优化人机交接:自适应传输方法的影响

1介绍

随着机器人的发展,越来越多的科学兴趣的直接物理机器人与人类的相互作用(古德里奇和舒尔茨,2007)。领域的装配,例如,一个工具可以交给一个汇编程序,无需汇编把他或她的眼睛手头的任务。正式交接对象可以被定义为联合行动给予者和接收者故意协调他们的行动将一个对象。这种频繁的人类之间的合作行动需要预测之间复杂的相互作用,感知、动作,由双方学习和适应。实现robot-human交接,高效和流体之间的交换人类被认为是一个开放的挑战机器人研究社区(Ortenzi et al ., 2021)。技术的发展是影响机器人功能新颖的方式,如运动分析、速度分析(柴田et al ., 1995;Huber et al ., 2008)、掌控力的控制(陈et al ., 2013基于摄像头),手跟踪(Zhang et al ., 2020)和传感(Mamaev et al ., 2021)与机器学习相结合。所有这些发展的目标是实现机器人和人类之间的交接的最好对象。成功交接人代表一个基准之间要实现机器人的速度、流动性和验收(Glasauer et al ., 2010;Strabala et al ., 2013;Ortenzi et al ., 2021)。

交接的一个对象的特征是复杂的认知和物理过程,让人类行动,协调与其他人类互动(Ortenzi et al ., 2021)。人类使用语言,凝视行为,身体运动,手和手臂的姿势打算交出通信什么以及当和在哪里它将完成(Strabala et al ., 2013;Ortenzi et al ., 2021)。的什么组件是指什么样的行动的交互合作伙伴将执行和他或她的意图是什么。的当组件,另一方面,是与时间相关协调。信息时,对方会执行一个动作和多长时间会导致流体和准确的时间。在共享空间协调行动空间,重要的是能够做出预测在哪里对方,以及他们处理的对象,将在未来的位置(Sebanz Knoblich, 2009)。根据Castiello (2003),成功的合作需要了解人们的行为和意图。此外,有必要考虑的行为互动合作伙伴在他们的行动,以确保联合协调(Glasauer et al ., 2010)。在这个过程中,合作伙伴同意各种框架实现的条件和方面。这些可以通过口头约定明确沟通或间接和自适应交互过程中通过非语言沟通(Huber et al ., 2008)。交际信号允许我们对别人的行为做出预测。预测促进之间的协调互动合作伙伴(Strabala et al ., 2012;Strabala et al ., 2013;Belhassein et al ., 2022)。如果人类仅仅是被动的,他们将无法获得所需的流动性和速度协调在许多协作活动(Sebanz Knoblich, 2009)。

目前,存在一些理论和模型,解释联合行动(的相互适应Sebanz et al ., 2006;黄昏的et al ., 2010;Knoblich et al ., 2011)。适应一个人的核心合作伙伴的可预测性是合作伙伴的行为。与自发的行为,比如一个简单的对象操作,人与人之间交接对象仅代表semi-predictable任务,由于没有精确的知识对人类对未来合作伙伴的运动行为(品牌et al ., 2022)。的感官影响一个人的行为可以预期在大多数情况下,因为底层运动控制过程可用于预测(沃伯特Ghahramani, 2000),甚至表示为(普林茨1997;霍梅尔,2009;2019年)。人有一个基本的内部模型,另一个人的身体,可以从视觉信息估计其当前状态(梅森和麦肯齐,2005年),但运动的可预测性信息是有限的,因为没有别人的运动命令是可用的(布莱克和戴西迪,2001年)。因为别人的行动控制流程是无法访问的,挑战在于预测他人的行为和匹配自己的行为对他们来说,即使人类自身没有直接访问别人的行动控制(黄昏,2020)。这意味着必须基于预测别人的可观察到的运动(沃伯特et al ., 2003;威尔逊和Knoblich, 2005年;黄昏,2020),这可能会让他们比预期少准确自己的感觉行动效果。广泛的实践,人们接受的他们的生活可能允许他们预测的行为互动合作伙伴基于知识的情况(Aglioti et al ., 2008;Ikegami Ganesh, 2017)。品牌et al。(2022)假设电机控制对象交接期间涉及到一个复杂的和普遍建立了礼仪的前馈和反馈机制的二分体内隐式共享两个人互动。如果这是可能的,人类可以先行调整自己的控制基于他们的伴侣的当前状态。

在robot-human对象交接,人类的伙伴没有内部模型可用来预测机器人的行为。因此,人类的伴侣必须计划和调整其行为基于机器人的行动监控对象交接,确保快速、可靠。取决于有多少自由度机器人,很难几乎不可能让用户估计交接的位置基于机器人运动学的潜力。在运动神经科学运动适应的过程被描述为一个过程的运动系统响应的身体和/或环境的变化回到先前的水平的性能在这些新条件下(科莱考尔和玛2011)。为了适应机器人,人类必须基于机器人的某些参数的预测。轨迹的可预测性和机器人的目标位置可以被视为适当的参数交接。交接的重新计划在每个回归适应人类爱人的手的位置Ortenzi et al ., 2021),这个预测将会有更多的困难比交接总是导航到相同的交接位置相同的轨迹。根据Sebanz Knoblich。(2009),物理交接必须更反应由于贫穷运动轨迹的预测,结果,人类不能意识到这样一个流体和快速协调行动。

Ortenzi et al。(2021)与其他作者(梅森和麦肯齐,2005年),除以交接移交前的阶段和物理交接。之间的移交前的阶段包括显式和隐式通信合作伙伴参与,以及对象的把握和运输的给予者。的物理交接始于第一次接触接收机与对象的手。这个阶段完成时给予者从对象和对象中删除他的手完全是在接收机的手。为了更好地理解人类行为在一个物体交接,我们添加了另一个方面所呈现的阶段分类Ortenzi et al。(2021)。这涉及到一个主动和被动属性分配给每个行动的给予者和接收者在各自的阶段(图1)。使用这个描述,我们想要说明接收者表现积极在对象交接的两个关键点。首先,积极地表达了想要得到一个特定的对象(1.2),其次,通过积极追求对象初始化物理交互(2.2)。基于这些原因,我们假设一个高度自适应回归,故意将交接对象对接收机的手力量等待的接收到一个被动的角色,而不是抓住对象的积极作用。这种情况下可能会导致最终的决定被带走的对象从实际移交行动的发起者,这可能会导致贫穷交接性能就速度而言,流利,和主观感知。

目前,尚不清楚其后果是当机器人试图适应人类,而人类试图适应机器人。本研究的主要目的是为了更好地理解交接是否适应人手导致交接的整体性能高于交接固定机器人目标位置,或反之亦然。在对象的情况下机器人和人类之间的交接,重要的是要理解,总体回归性能是机器人和人类之间的相互作用的结果。基于的假设更糟的可预测性的轨迹和目标位置的自适应传输方法,首先将自适应传输方法导致更高的身体交接时间比非自适应的传输方法。第二,非自适应的运输方法预计将导致交接干预之前早些时候机器人到达目标位置比自适应传输方法。第三,自适应传输方法预计将导致交接的主观评级低于非自适应的传输方法。此外,没有研究到目前为止,表现robot-human交接在多个运行相同的条件和大量的重复。我们假设大多数研究领域的robot-human或人机交接进行重复和太少太少的运行产生有意义的结果对人类行为的评价甚至机器人系统的评价。因此,假定受试者的交接任务,机器人适应随着时间的推移将反映在所有依赖变量。我们假设物理交接的时间将减少运行时,交接将早期干预的,而主观评级将改善或恶化。

为此,一项研究进行了两组实验。一个实验组与自适应传输方法进行交接,其他实验组进行交接和非自适应的传输方法。回归评估性能,物理交接时间,交接早期干预之前,机器人到达目标位置,并比较受试者的主观感知。

2材料和方法

2.1实验装置

实验的技术设置由一个表在一个协作机器人(模型熊猫Franka Emika)安装。机器人有7个自由度和3公斤的有效载荷。2-jaw爪和英特尔RealSense RGB D相机安装在机器人的终端执行器。电容式接近传感器集成在爪下巴。

在实验中,一个速度控制器内使用Franka速度笛卡尔接口实现ROS框架。控制器预计6 d构成向量作为输入。速度矢量计算基于剩余距离目标和机器人的当前速度,同时考虑机器人软限制:最大速度为0.7米/秒,6米/秒的最大加速度²,最多600 m / s³的混蛋。控制回路操作1 kHz,使速度控制器为用户感到自然和流畅。非自适应的控制策略,为机器人是预定义的目标位置,机器人的轨迹保持所有交接非自适应的方式。自适应控制策略,6 d造成接收者的手是跟踪和用于更新人手的位置作为机器人的目标。更新频率为30 Hz,这意味着没有肉眼可见明显的延迟。

为阻止机器人有两种不同的选择:停止和软停止。艰难的站,一方面,忽略了任何限制,导致突然中断。这个函数只用于紧急停车。软停止另一方面逐渐减少机器人的速度为零而坚持机器人的局限性。使用该方法默认情况下所有的交接。实现的控制器也考虑了机器人的工作空间有限,无视目标之外的职位。这有助于防止碰撞与表和超过机器人的物理限制。

一个陶瓷杯作为交接对象。杯是最初放在表的左边红色容器。受试者站在一个预定义的位置前面的表(图2)。回归空间的位置选择所以第五女百分位和第95届男性百分位是首选和右臂的最大工作范围(DIN EN ISO 14738, 2008)。受试者的起始位置可及空间以外的机器人,他们可以进入协作工作区通过扩展的手臂。杯子的实物交接的面积发生在右第三个表的首选工作空间的主题。

2.2过程对象的交接

初的交接试验,Franka熊猫的钳子是上方的中心表(图3)。这个位置称为起始位置。从这个位置开始,红色的杯子容器。下一步是把握杯。首先要做到这一点,机器人移动到一个位置上杯子,打开夹具,并向下移动杯子到爪的下巴杯的高度。当达到这个位置时,下巴亲密和杯是安全地笼罩。杯夹住,然后机器人概述位置移。选择这个职位,这样主题的手可以追踪的相机。从谷歌谷歌MediaPipe手,一种方法研究MediaPipe框架,使用机器学习来确保快速、健壮的手和手指跟踪,用于检测对象的手(Zhang et al ., 2020)。

在这项研究中,两种不同的运输方法用于物体交接。两种运输方法被称为自适应传输方法和非自适应的传输方法。自适应传输方法,回归空间第一次扫描。这允许对象控制如果机器人开始移动。一旦检测到的手,机器人手臂开始移动,aimingat手作为其目标点。基于摄像机数据,机器人可以调整它的位置改变手的位置在到达前30厘米的手。一旦手之间的距离小于30厘米,不能调整位置。基于过去的手的图像数据,结束位置计算和接近。

非自适应的传输方法,回归空间也扫描了一只手。在这种情况下,手跟踪仅被用作起始信号开始交接过程。一旦检测到的手,之前定义机器人移动到目标位置。目标位置和每个移交使用的遍历路径是相同的非自适应的传输方法。选择目标位置之间的首选和最大工作范围受试者的右胳膊从人体工程学的角度来看。机器人移动平均0.3 m / s的速度运动。

电容式接近传感器(Alagi et al ., 2016)是用于检测把握。这些传感器集成到机器人的爪下巴。检测一个把握,必须超过阈值被定义为抓手释放杯(Mamaev et al ., 2021)。同时打开的钳子,机器人移动10厘米给受试者更多的空间把握杯。对交通运输方法,对象可以等待机器人到达目标位置,然后抓住杯子,或者他们可以掌握杯,而机器人仍然是朝着目标位置。成功抓住杯子后,受试者将它回红色的容器。同时,释放杯后,机器人移动回红色容器再次拿起杯子。接下来的交接以机器人抓杯再次开始。

2.3样品

四十个学生和员工的卡尔斯鲁厄理工学院(工具包)参与研究(年龄:26.33±5.21年;25岁男性)。七个受试者经验与机器人和两个实验小组之间的均匀分布。所有受试者右手和执行实验用右手。所有受试者自愿参加这项研究,充分了解研究过程中,他们的权利和数据的匿名性。所有受试者签署知情同意书。没有补偿参与这项研究。

2.4实验过程

之前的研究中,受试者被分配到实验组自适应或非自适应的以并行的方式。实验者展示了两个对象交接所有科目,每个实验组使用传输方法适当,并解释了交接任务。机器人的技术操作设置没有向受试者解释。受试者不执行一个测试试验,开始直接与交接的首次运行。

图4研究设计的概述。为主题,由十个交接。十交接后,受试者去一个单独的计算机和对他们的主观感知回答五个问题。问卷的问题可以回答5分李克特量表上,如下所示。

•你认为回归是液体吗?

•你能轻易地把对象从机器人吗?

•你相信机器人会做正确的事吗?

•在交接期间你感到安全吗?

•你满唔满意整体移交?

回答问题后,受试者回到机械表和下一次运行完成。实验的两组执行十交接的每个四分,使用相同的传输方法。运行之间的休息大约是1分钟。这种模式后,每个主题完成了四分。因此,每个主题共有40交接完成,回答五个问题共四次。每个主题的总时间约为40分钟。

2.5数据处理

研究回归性能、传输方法的影响,作为一个独立变量,物理上的交接时间,交接早期干预,受试者的主观感知,作为因变量将检查在多个时间点。

物理交接时间是衡量机器人的电容式接近传感器和被定义为主体的时间之间的第一次身体接触的交接对象和超过阈值,然后导致杯被释放。物理交接时间是用秒表示。

的描述性介绍物理交接时间数据,对数据进行首次检查离群值。值> 0.5年代被定义为离群值。基于离群值分析,六类形成距离为0.1 < 0.1 > 0.5年代的年代。交接完成被分配到定义的类基于身体交接时间和报道的比例都在各自的实验组完成交接。的变化百分比的交接过程中另外四个运行分析和分化根据定义的类。

交接早期干预的定义是机器人的坐标点之间的差别向量的概述的位置和坐标点对象释放由三维空间的主题:

O_p=点概述;R_p=释放点

在cm中值越低,越接近的对象是掌握机器人的位置,概述,因此早期参与者介入运输机器人的运动。

测试显著差异在物理之间的交接时间和交接早期干预组(适应性、非自适应的)和(1 - 4),方差分析双因素方差分析混合的形式。并不是所有的数据都是正态分布。然而,由于方差分析被认为是健壮的,违反了正态分布样本大小相等时,它被认为是适合这个研究(施密德et al ., 2010;威尔科克斯,2012;场et al ., 2014)。方差分析是紧随其后的是事后与Bonferroni调整测试。显著性水平是集先天的在p= 0.05。埃塔的效应大小的平方(η²)。如果违反了球形,自由度使用Greenhouse-Geisser修正调整。为了研究受试者的主观感知对于交接,回答问卷的数据。量化不同运输方式之间的差异,首先处理的数据描述性和策划。统计验证结果,成对的比较1 - 4计算使用Wilcoxon测试运行。每次运行组的差异计算使用Mann-Whitney U测试。影响大小是使用双列的等级相关报道。显著性水平是集先天的在p= 0.05。

3的结果

结果部分分为三个部分,考虑到三个性能参数的研究:物理交接时间,早期干预,交接和主观评价。物理交接时间被认为是在平均值的差异方面,学习小组和运行完成。所有交接完成的百分比的概述在类范围内的运行。交接早期干预被认为是基于不同的学习小组之间的平均值和运行完成。第三分章提出的问题的答案对受试者的主观感知。

3.1影响运输方法的物理交接时间

3.1.1平均值的比较物理交接时间

图5概述的发展意味着物理交接次4分。之间不存在显著交互运行和组织(F (3110) = 0.108,p= .959η²=措施)。组没有显著的主效应在物理交接时间(F (38) = 1.542,p= .222η²= .012]。物理交互作用时间明显减少的运行(F (3114) = 21.780,p<措施,η²= .014]。在集团自适应,物理交接时间显著减少0.80秒(0.41±s)在第一次运行0.45秒(0.29±s)在第二次运行(t (19) = 4.161, p_bonf= 0.002 d = 1.076)。在集团非自适应的,物理交接时间减少0.67秒(0.34±s)在第一次运行0.38秒(0.22±s)在第二次运行也显著(t (19) = 3.900, p_bonf= 0.006 d = 1.008)。

实验组之间没有显著差异(自适应)和B(节),而对于实验两组,平均实物交接时间显著减少从第一第二。

3.1.2比较百分比的交接物理类边界内的交接时间

看平均值,很明显,物理交接时间的减少4分。同时,平均值显示高标准差。六类被定义为有了更微妙的视野如何减少平均值发生,以及在哪些方面最大的变化。类定义的交接都被分配了单独运行和学习小组。图6给出了一个描述性的概述的发展比例内的交接类< 0.1 > 0.5年代的四分。对于每个类,群体差异和差异的四分。

总之,交接< 0.1年代,自适应传输组有较低的百分比比非自适应的运输组织。之间的交接,交接时间0.1和0.2年代,没有重大差异的百分比两个实验小组。在这两个实验小组,有一个交接的百分比增加0.1和0.2年代之间的四分。0.2和0.3年代之间的交接;0.3和0.4年代;和> 0.5年代,自适应传输组具有较高的百分比比非自适应的运输组织。交接> 0.5,自适应传输方法导致的比例高于非自适应的传输方法。交接> 0.5 s,实验小组经验下降百分比的第一个2分。

最大的百分比增加两个学习小组发生0.1和0.2年代之间的交接,而最大的百分比减少对学习小组发生交接> 0.5 s。

3.2影响运输方法的早期干预交接交接

3.2.1交接早期干预的平均值的比较

图7显示的发展意味着早期干预的得分4分。之间不存在显著交互效应运行1到4,组(F (3114) = 0.696,p= 0.556,η²= 0.002)。学习小组之间的影响没有显著差异(F (38) = 1.010,p= 0.321,η²= 0.022)。有重要的主要影响运行之前交接干预过程中运行(F (3114) = 10.074,p<措施,η²= 0.029)。在非自适应的组,交接不干预明显在早些时候从第一到第四。为集团自适应在早些时候,交接干预明显从第一到第三(t (19) = 4.036, p_bonfd = 0.505) = 0.003,相比从第一到第四个运行(t (19) = 4.137, p_bonf= 0.002 d = 0.517)。集团自适应掌握交接对象54.87厘米(±6.8厘米)从一开始就在第一次运行位置和51.11厘米(±7.2厘米)远离第四运行起始位置。

在实验组非自适应的运输方法,交接对象不是抓住显著早些时候从第一到第四。在自适应运输组另一方面,抓住时间显著提前交接对象第三和第四比第一次运行运行。

3.3运输方法主观评价的影响

图8概述了发展的主观评级的运行。的评价对机器人的信任显示了组无显著差异自适应以及集团非自适应的在4分。第二,集团自适应(3.9±0.85)和组非自适应的(4.6±0.6)显示显著差异的信任分数(W = 106.000,p= 0.006,r =−0.470)。第三,也有显著性差异(W = 102.500,p= 0.004−0.488)之间的信任评级组自适应(4.0±0.6)和组非自适应的(4.6±0.6)。

集团自适应的评级认为安全在交接期间显示明显降低(W = 62.000,p= 0.009,r = 0.879)的评级从4.6(±0.6)在第一次运行到4.0(±0.83)在第二次运行。集团非自适应的的得分没有显著差异在四分。第二,集团自适应(4.0±0.83)和组非自适应的(4.7±0.47)显示显著差异在他们认为安全评级(W = 99.000,p= 0.003,r =−0.505)。第三,也有显著性差异(W = 98.500,p= 0.003,r =−0.508)的评价感知的安全组之间自适应(4.1±0.6)和组非自适应的(4.7±0.67)。另一个显著差异感知的安全存在于第四运行(W = 125.500,p= 0.015,r =−0.373)之间自适应(4.3±0.86)非自适应的组(4.9±0.37)。

运输方法显示了显著的影响对机器人的信任和感知的安全在交接期间。相比之下,不影响传输方法认为流利交接的缓解的,整体满意度与交接。

4讨论

本研究的主要目标是比较的回归性能回归在线适应人手交接的最终位置是预先确定的。为此,一项研究进行了两组实验。集团自适应执行4×10交接使用自适应传输方法,而组非自适应的执行4×10交接使用非自适应的传输方法。物理交接时间,交接早期干预和主观感知被用作评估交接的措施。

自适应传输方法不会导致平均实物交接时间显著高于非自适应的传输方法。非自适应的传输方法不会导致明显的早期干预在交接过程中比自适应传输方法。自适应传输方法导致的信任和感知安全等级显著低于非自适应的传输方法。物理交接时间内显著降低实验小组的第一个2分。早期交接干预大幅增加自适应运输组织过程中运行。自适应传输组明显下降的安全感知评级的运行。

4.1交接运输方法的影响

自适应传输方法导致更高的平均实物交接时间运行。然而,非自适应的传输方法的差异并不显著。两种运输方法的平均值显示高标准差,是由于很高的物理交接交接时间。将交接划分为类物理交接的时间给出了更精确的了解交接的分布。自适应传输方法导致较低的百分比非常快交接和更高的百分比慢交接而非自适应的传输方法。交接早期干预,没有统计学差异自适应和非自适应的传输方法。运输方法无显著影响主观感知交接的流畅性,缓解的对象,和整体满意度交接。相同的传感器技术被用于在实验对象的交接组。夹具的功能占很大一部分的抓取和释放对象,因此上述的评价有很大的影响参数。相信机器人的感知安全评分显著降低了自适应传输方法比非自适应的传输方法。

自适应传输方法,起始信号给出了回归的主题,之后受试者观察机器人的运动路径,在此基础上,估计目标位置。可以认为,与更多相关的自适应传输方法在预测不确定性机器人的目标位置,从而导致更低的信任和对安全的认知。通过改变主体的起始位置的手,调整机器人的轨迹,可以使机器人的运动失去可预测性的科目。这个复杂轨迹和目标位置的可预测性与非自适应的传输方法。在非自适应的传输方法,受试者习惯相同的轨迹和目标位置更容易,这给了他们更多的自由来决定何时介入以及如何交接的手。这也许可以解释信任和安全感越高对机器人。另一方面,它也可以认为,机器人的目的是明确研究对象的自适应传输方法因为机器人目标受试者的手,而非自适应的运输方法直言不讳地遵循相同的轨迹相同的目标位置。早期的交接干预过程中自适应集团的运行可以解释为增加机器人的信心。然而,这是由主观显著降低评估与信心和安全观念。

4.2适应机器人运行过程中

仔细看看这些研究,都是在人与人之间进行的,robot-human、人与机器和交接表明,他们有小样本大小或只有少量的交接重复执行,或两者相结合(2008年贝切奥,假传真射;Huber et al ., 2008;Basili et al ., 2009;Dehais et al ., 2011;Aleotti et al ., 2012;潘et al ., 2018)。根据研究的目的不同,小样本大小和少量的重复足以回答相应的研究问题或评估,推进各自的技术发展。然而,在协议Leichtmann et al。(2022)我们看到了巨大的潜力,有大量的样本进行研究,也重复的数字更高,从而发现更多的人类行为的种种细节与机器人合作,让他们用于进一步的研究和发展。

通过执行的4分,每十个交接,结果表明,这两种运输方法显著降低平均实物交接时间从第一第二。比例之间的交接,交接时间,0.1和0.2年代实验两组大幅增加的4分,无论运输模式。班上的交接,交接时间> 0.5 s, 4分的过程中会导致一个强大的减少百分比。基于物理的交接时间,适应两个中心的倾向可以在运行的过程中被识别。首先,课题尝试减少交接很长时间交互。第二,主体试图执行交接之间的互动时间0.1秒和0.2秒。

从神经科学的角度看,视觉反馈需要大约100毫秒(沃伯特et al ., 2013)是由视网膜处理和传播视觉皮层。Dohring et al。(2020)建议触觉感官反馈对象可以在第一处理80 - 100 ms。进一步的延误发生在进一步处理。感觉运动回路的组合延迟大约是200 ms (沃伯特et al ., 2013),直到对视觉或触觉刺激的响应。这意味着不能使用快速运动感觉的反馈。因此,开环控制必须被用来初始化一个运动(沃伯特et al ., 2013)。在大多数电机系统、电机控制是通过两个过程,前馈和反馈。因为感觉反馈不是第一运动的一部分,可用前馈过程仅生成初始运动命令。随着运动的发展,关于运动可用的信息,导致反馈控制干预(沃伯特et al ., 2013)。

关于交接的百分比的增加在0.1和0.2之间,我们可以推测,百分比的增加可以解释为减少基于反馈控制和前馈控制的增加。在先前的研究人与人之间的交接,大量的交接进行空塑料杯(kappl et al ., 2021)。这些交接记录和一个概略介绍动作捕捉系统和分析物理交接时间。空杯的平均交接时间从本研究人类∼0.16 s,这是介于0.1和0.2年代,表明有某种最优速度物理交接时间。在这种情况下,重要的是要检查是否动作捕捉的数据记录与数据生成的电容式接近传感器。

因为受试者已经执行许多对象交接与其它人在他们的生活中,他们有一定的想法和光滑的物体交接应该多快。列值的变化可以解释偏差的上下文中学习。通过学习偏差的过程中,人类的运动行为是不断适应。当电动机系统遇到错误,其身体的评估和环境的变化,和下一个运动是立即修改来抵消潜在的错误(Diedrichsen et al ., 2010)。如果过程中出现的问题,交接的机器人被认为是扰动,然后数据的变化可以归因于汽车适应。这描述了运动系统的能力来恢复其以前的性能改变外部或内部条件下(科莱考尔和玛2011)。

叙述地,受试者倾向于减少机器人的概述位置之间的距离和把握对象的位置的运输方法。对于非自适应的传输方法,这并不重要。对于自适应传输方法,结果表明:概述机器人的位置之间的距离和把握对象的位置显著降低的。一个假设的Izawa et al。(2008)假定神经系统的目标是最大化性能在一个新的环境。内部模型被用来寻找一个更好的运动计划减少隐式电动机工作和运动的收益最大化。运动的最大化收益的性质可以解释为什么受试者倾向于早期参与交接。受试者试图加快整个交接过程通过干预。同时,这种方法可以减少所需的信息处理。在机器人的运动,连续观察机器人的手臂。基于机器人运动的观察,估计最好的干预不断计算位置和时间。在机器人运动,早些时候通过干预的成本转移到观察预测努力努力。这是否真正节省成本还不清楚。在任何情况下,收益率更高由于更快执行对象交接。 Accordingly, the overall balance is positive. In this context, the question arises whether early handover intervention is a general human behavior or whether it occurs because the overall process is too slow. It would be interesting to conduct further studies on early handover intervention with different movement speeds to check at what point the movement speed optimally matches the subjects’ grasping.

4.3限制

Leichtmann et al。(2022)显示在他们的文章,HRI用户研究面临类似问题的复现性和其他行为科学学科。因此,本节突出了本研究的主要局限。

这项研究的样本来自设备环境。很可能的调查样本具有较高的亲和力技术,从而减少压抑与机器人互动比所有人的基本人口。在这项研究中,一个商用Franka熊猫机器人包括用钳子。电容式接近传感器技术用于触发对象的交接和记录的物理交接时间是一个原型开发,可以请求知识产权的复制或实验装置的进一步发展。此外,关于硬件的使用,应该注意的是,电容式接近报警效果最好与导电材料和高介电常数的材料。因此,这种类型的感知不是同样适用于所有类型的对象属性。电容式接近传感器的阈值来释放对象预先设定一个固定值。然而,阈值取决于几个因素。被抓住的对象的面积,因此主题的手的大小,以及皮肤电导和环境湿度都能影响的传感器是如何工作的。对于未来的研究,传感器的校准可以开发各自的主题。 However, calibration will also lead to initial habituation. With prior knowledge and habituation, it is not possible to investigate how subjects intuitively adapt to the robot.

的速度运动的受试者并没有记录在这个研究。我们专注于使用机器人的综合传感器技术进行研究。的详细记录受试者的移动速度,以及他们的加速和减速行为可以提供重要的附加信息的评价和解释受试者的行为。测量参数的物理交接时间和交接早期干预有可能是收集标准化指标跨各种不同的测量系统,如概略介绍动作捕捉系统或电容式接近传感器。所要求的斯坦因费尔德et al。(2006)和阿里et al。(2017),两个测量参数应该为一个更容易和更公平的比较不同的技术解决方案。在这种情况下,适当的比较研究的需要进行相应的测量系统。

在提出研究中,机器人手臂是静态挂载在交接表上。受试者完全专注于从机器人接收对象。这项研究的结果的可转让性,应该在一个更实际的情况下进行测试。机器人的类型设置很可能在装配使用,但会更关注装配任务,这就是为什么将来进一步的研究应该进行交接,没有关注交接对象在执行第二个任务。在社会保障的背景下机器人,重要的是要考虑到的物理交接对象之前,给人一种方法通过机器人的移动平台。因此,应该调查未来的这项研究的结果是否还有效,当物理交接之前给人机器人的一种方法。

5的影响

在这项研究中,它已经表明,运行期间收集到的数据可以改变明显。这些数据的变化可以归因于适应学科的机器人和交接任务。因此,在人机交互研究中,建议总是有足够多的重复的运动和执行至少两个,最好是三个或三个以上运行每个测试条件。

基于这项研究,推荐使用可比指标在设计机器人或robot-human交接比较相似的研究,使研究焦点。物理交接时间和交接早期干预指标有可能收集使用各种不同的测量系统,如概略介绍动作捕捉(如VICON、ARTTRACK等。)或电容和其他传感器集成到机器人。测量参数可以很容易地集成到机器人系统添加了相应的计算程序,并提供一个伟大的科学价值在人与机器人的研究。

同样重要的是要理解上下文的使用和用户的目标使用一个机器人和适当的功能。如果一个人积极希望对象交给他们,最后的冲动应该来自接收机。如果接收者的注意力将集中在对象,回归用户设计应积极把握对象而不是运输它完全的手。另一方面,如果目标是盲目地把握对象没有接收者的视觉注意力,这需要适应接收机的手。如果接收者的注意力不是集中在对象传递,那么对象应该运到的手,身体接触是由接收机可以反应。

研究表明,一种自适应传输方法不会导致更快的实物交接比一个非自适应的传输方法。技术开发领域的robot-human人与机器或交接过程,变得更重要的是更多地关注人类运动控制的研究领域,特别是研究电机领域的适应。在过去,进行了大量的研究,发表在汽车领域的适应(科莱考尔et al . 2019)。电机适应流程需要背后的理论被应用到人类和交互之间的共同行动。重要的是使用这些知识来调整机器人的适应机制,人类将稍后使用机器人。总之,这项研究提供了宝贵的见解影响成功的因素对象机器人和人类之间的交接。总的来说,这项研究作出了重大贡献的人机交互领域提供一个深入了解如何设计有效的对象交接。

数据可用性声明

原始数据支持了本文的结论将由作者提供,没有过度的预订。

道德声明

书面知情同意了个人(s)的出版的任何可识别的图像或数据包含在本文中。

作者的贡献

可:构思和设计分析;收集的数据;进行统计分析;写的论文。即时通讯:构思和设计分析;实验装置的技术实现。HA:实验装置的技术实现。双相障碍:写论文。TS:写论文。所有作者的文章和批准提交的版本。

确认

我们承认的支持工具包出版基金的卡尔斯鲁厄理工学院。此外作者感谢运城唐技术援助。

的利益冲突

作者声明,这项研究是在没有进行任何商业或财务关系可能被视为一个潜在的利益冲突。

出版商的注意

本文表达的所有索赔仅代表作者,不一定代表的附属组织,或出版商、编辑和审稿人。任何产品,可以评估在这篇文章中,或声称,可能是由其制造商,不保证或认可的出版商。

引用