[论文解读] Negotiation-based Human-Robot Collaboration via Augmented Reality

Kishan Chandan, Vidisha Kudalkar+2 more|arXiv (Cornell University)|Sep 24, 2019

Social Robot Interaction and HRI被引用 9

一句话总结

本文提出 ARN，一种基于增强现实（AR）的、协商驱动的人机协作框架，可实现实时可视化机器人状态与轨迹，并支持双向反馈以实现动态重规划。实验结果表明，与非AR基线相比，ARN将任务完成时间最多减少7.5%，通过空间感知、反馈驱动的协调显著提升了协作效率。

ABSTRACT

Effective human-robot collaboration (HRC) requires extensive communication among the human and robot teammates, because their actions can potentially produce conflicts, synergies, or both. We develop a novel augmented reality (AR) interface to bridge the communication gap between human and robot teammates. Building on our AR interface, we develop an AR-mediated, negotiation-based (ARN) framework for HRC. We have conducted experiments both in simulation and on real robots in an office environment, where multiple mobile robots work on delivery tasks. The robots could not complete the tasks on their own, but sometimes need help from their human teammate, rendering human-robot collaboration necessary. Results suggest that ARN significantly reduced the human-robot team's task completion time compared to a non-AR baseline approach.

研究动机与目标

• 为解决在共享物理环境中人机协作（HRC）中缺乏有效、实时通信的问题。
• 通过利用增强现实（AR）实现空间直观的双向信息交换，弥合人与机器人之间的沟通鸿沟。
• 使机器人能够根据人类反馈动态重规划，提升协作配送任务中的任务效率。
• 通过仿真和真实世界中的人工参与实验，评估人类反馈对HRC性能的影响。

提出的方法

• ARN框架使用AR界面实时叠加机器人位置和规划运动轨迹，使人类队友能够可视化机器人的意图。
• 人类用户通过AR交互提供反馈，例如“我X分钟内无法协助”，该反馈被转换为机器人重规划的时间约束。
• 系统将人类反馈整合到协商循环中，使机器人能够迭代调整计划，以避免冲突并提升协同性。
• 仿真使用Gazebo和ROS进行机器人导航，Unity用于模拟AR界面和人类行为，包括任务时长和反馈操作。
• 在仿真中，人类行为通过任务时长和反馈时间的正态分布进行建模，门开启概率根据反馈状态进行调整。
• 真实世界实验在办公室环境中开展，使用移动机器人和人类参与者执行需要人工协助的配送任务。

实验结果

研究问题

• RQ1 AR媒介化的人机器人状态与轨迹可视化如何影响人机协作效率？
• RQ2 人类提供的双向反馈在多大程度上改善了HRC中的任务完成时间？
• RQ3 与无反馈基线相比，将人类反馈纳入机器人重规划在任务效率方面表现如何？
• RQ4 ARN能否在存在遮挡和可视范围受限的真实动态环境中有效支持基于协商的协作？

主要发现

• 在人类反馈条件下，整体团队任务完成时间（T^all）降低至46.64秒（±4.31），显著低于无反馈配置下的50.43秒（±6.35），p < .001。
• 在反馈条件下，最后一个机器人完成任务的平均时间（T^R_last）为16.65秒（±0.73），无反馈条件下为17.94秒（±0.90）。
• 在反馈条件下，人类自身任务完成时间（T^H）略低（15.67 ± 3.04），低于无反馈条件下的16.77 ± 4.73，表明任务协调性更优。
• 反馈机制使机器人能够避免不必要的等待，减少空闲时间，提升整体系统吞吐量。
• 仿真结果证实，反馈整合显著提升了协作效率，验证了该框架在受控环境下的设计有效性。
• 真实世界实验表明，ARN通过AR可视化与反馈实现及时、情境感知的人机协商，显著提升了协作效率。