[论文解读] Uncertainty-based Arbitration of Human-Machine Shared Control

Parker Owan, Joseph L. Garbini+1 more|arXiv (Cornell University)|Nov 18, 2015

Human-Automation Interaction and Safety参考文献 19被引用 6

一句话总结

本文提出了一种基于不确定性的仲裁方法，用于制造领域的人机共享控制，其中自主水平根据机器对目标预测的置信度动态调整。通过根据自动化不确定度缩放触觉反馈，与纯自动化相比，系统在错误容忍度上提升了500%以上，所有测试错误下的任务成功率均为100%，同时仅使平均完成时间增加1.2秒。

ABSTRACT

Manufacturing requires consistent production rate and task success for sustainable operation. Some manufacturing tasks require a semi-autonomous approach, exploiting the combination of human adaptability and machine precision and speed, to be cost effective. The main contribution of this paper is a new approach to determine the level of autonomy for human-machine shared control based on the automation uncertainty. Moreover, the haptic feedback is scaled by the level of autonomy to indicate machine confidence to the operator. Experimentation results, with a human-robot peg-in-a-hole testbed, show more than 5 times improvement in the error tolerance for task completion with the shared control approach when compared to a purely autonomous method.

研究动机与目标

• 为解决半自主制造系统中保持高任务成功率和生产一致性的挑战。
• 开发一种基于自动化不确定度（特别是目标预测）动态调整自主性的仲裁机制。
• 通过按比例缩放的触觉反馈向人类操作员传达机器置信度，提升情境意识与控制能力。
• 减少对固定或离散自主水平的依赖，实现在环境不确定下的连续适应。
• 在真实世界的插孔任务中评估该方法，证明其在不确定性下的鲁棒性与成功率提升。

提出的方法

• 自主水平（LOA）α根据失败概率动态调整，当失败概率高时α → 0，当失败概率低时α → 1，确保在不确定性较高时由人类接管。
• 采用连续仲裁模型将人类输入qₕ与机器输入qₘ融合为共享参考q_ref = αqₘ + (1−α)qₕ，实现控制权的平稳过渡。
• 触觉反馈力根据LOA α进行缩放，以反映机器置信度：α较高时（高置信度）反馈力更强，α较低时（低置信度）反馈力更弱。
• 机器轨迹使用贝塞尔曲线生成，并施加速度与加速度约束，确保在不确定性下仍能实现平稳、安全的运动。
• 系统结合视觉反馈与虚拟导引线引导操作员，当置信度高时，触觉力引导人类朝机器预测路径靠近。
• 通过目标与障碍物位置的统计估计对不确定性进行先验建模，实现在错误发生前主动调整自主水平。

实验结果

研究问题

• RQ1 如何利用自动化不确定度在人机共享控制中动态调整自主水平？
• RQ2 基于不确定度的自主仲裁对制造任务的任务成功率与错误容忍度有何影响？
• RQ3 如何调制触觉反馈以有效向人类操作员传达机器置信度？
• RQ4 与纯自动化控制相比，采用自适应自主性的共享控制在性能上提升了多少？
• RQ5 在存在显著目标位置误差的情况下，系统能否保持高成功率，同时将完成时间的额外开销最小化？

主要发现

• 基于不确定性的共享控制方法将错误容忍度从纯自动化时的6 mm提升至30 mm，鲁棒性提升超过500%。
• 共享控制方法在所有测试的目标误差下均实现了100%的任务成功率，而纯自动化方法在误差超过6 mm后即开始失败。
• 共享控制方法的平均完成时间为5.79秒，比纯自动化方法的4.52秒增加了28%（多耗时1.26秒）。
• 共享控制的完成时间标准差为0.93秒，高于纯自动化方法的0.18秒，表明由于人为参与导致时间波动更大。
• 当机器置信度高时，触觉反馈有效引导了操作员；当机器轨迹错误时，系统可实现向人类控制的平稳过渡。
• 在大目标误差情况下（如30 mm），操作员成功利用视觉反馈进行补偿，证明了系统对不确定性的强适应能力。