[论文解读] Metrics and Benchmarks for Remote Shared Controllers in Industrial Applications

Claudio Zito, Maxime Adjigble+4 more|arXiv (Cornell University)|Jun 19, 2019

Teleoperation and Haptic Systems参考文献 7被引用 4

一句话总结

本文提出了用于评估工业机器人中AI增强型远程共享控制器的标准化基准和度量标准，重点关注情境感知与用户感知的辅助。通过实证测试表明，一种简单的智能共享控制器——沿预计算抓取轨迹提供视觉和触觉反馈——相比标准笛卡尔控制器可减少任务完成时间，提升效率并降低认知负荷。

ABSTRACT

Remote manipulation is emerging as one of the key robotics tasks needed in extreme environments. Several researchers have investigated how to add AI components into shared controllers to improve their reliability. Nonetheless, the impact of novel research approaches in real-world applications can have a very slow in-take. We propose a set of benchmarks and metrics to evaluate how the AI components of remote shared control algorithms can improve the effectiveness of such frameworks for real industrial applications. We also present an empirical evaluation of a simple intelligent share controller against a manually operated manipulator in a tele-operated grasping scenario.

研究动机与目标

• 为解决由于缺乏标准化评估而导致AI增强型共享控制系统在工业中应用缓慢的问题。
• 设计一套基准测试，用于评估远程机器人控制中情境意识与反馈利用能力。
• 提供一个可复现、开放的框架，用于在真实工业场景中比较智能共享控制算法。
• 通过实证验证，AI增强型控制器相比传统手动控制可降低任务负担并提升性能。

提出的方法

• 设计三种不同类型的基准测试：(I) 不同物体类型的单物体抓取，(II) 包含复杂物体类别的杂乱场景，(III) 多物体分类任务。
• 使用KUKA IIWA机器人，配备眼在手RGB-D相机和Schunk平行夹爪，确保各次试验中数据的一致性与高保真度。
• 采用基线笛卡尔控制器进行直接对比，操作者在无AI辅助下控制末端执行器在三维空间中的运动。
• 实现一种简单的智能共享控制器，提供预计算抓取轨迹的视觉反馈，以及限制运动方向与轨迹一致的触觉反馈。
• 通过每类物体/场景进行50次试验（10个位置 × 5次重复）标准化试验流程，以确保统计稳健性并减少配置偏差。
• 计算任务完成时间、成功率和用户努力程度等指标，按物体类别和任务类型评估性能。

实验结果

研究问题

• RQ1 AI增强型共享控制系统在远程工业操作中相比传统手动控制，如何提升任务效率？
• RQ2 情境感知的场景理解与用户意图的感知在多大程度上可降低操作员的认知负荷？
• RQ3 标准化基准和度量标准能否加速智能共享控制算法在工业中的应用？
• RQ4 视觉与触觉反馈组件在远程操作中如何影响任务表现与用户行为？

主要发现

• 智能共享控制器相比基线笛卡尔控制器显著降低了平均任务完成时间，证明其在抓取任务中提升了效率。
• 提供预计算抓取轨迹的视觉反馈，以及限制运动方向与轨迹一致的触觉反馈，显著降低了操作员的努力程度。
• 10名参与者的实证结果表明，该系统在不同物体类型（包括可变形、透明和金属物体）中均表现出一致的性能提升。
• 该基准框架通过标准化物体位置、试验次数和性能指标，确保了共享控制算法评估的可复现性与公平性。
• 本研究证实，共享控制中具备情境与用户感知能力的AI组件可显著提升性能，并减少对高认知负荷直接手动控制的依赖。