💻 computer science

Mutual Adaptation in Human-Robot Co-Transportation with Human Preference Uncertainty

本文提出了一个用于人机协同搬运的统一框架，该框架通过对人类选择进行概率建模、实现用于动态领导者-跟随者切换的时变固执度度量、以及利用姿态优化来减轻不确定行为，解决了人类偏好不确定性和适应性平衡问题，并最终通过人类研究和仿真实验验证了其在提升任务性能方面的有效性。

原作者： Al Jaber Mahmud, Weizi Li, Xuan Wang

发布于 2026-06-19

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Al Jaber Mahmud, Weizi Li, Xuan Wang

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，你正和一台机器人一起搬运一张沉重且笨拙的桌子，穿过一个摆满家具的房子。你们必须从客厅走到卧室，同时不能撞到任何东西。问题在于，你和机器人可能对最佳路线无法达成共识。机器人可能会想：“那条狭窄的走廊是最快的路径”；而你会想：“不行，那里太挤也太冒险了，我们走绕远一点的路吧。”

这篇论文讲述的是如何教会机器人与你协作，而无需你说出一个字。这关乎于相互适应（mutual adaptation）：机器人学习如何读懂你的心思，而你和机器人也在学习根据不同情况切换角色。

以下是研究人员解决这一问题的方案，分为三个简单的核心理念：

1. 机器人并不知道你的“大脑设置”（不确定性问题）

通常情况下，机器人会试图通过选择一套特定的规则（例如，“这个人总是讨厌狭窄空间”）来猜测你的意图。但人类是复杂的。有时你很勇敢，愿意冒险；有时你又很谨慎。甚至同一个人在周二的表现可能与周五不同。

解决方案： 机器人不再仅仅猜测一条规则，而是创建了一个**“可能性的云团”**。

类比： 想象机器人不仅仅是在猜你最喜欢的冰淇淋口味，而是想象出了一个装满了你可能会喜欢的各种口味的冷冻库，其中某些口味出现的概率更高。
运作方式： 机器人根据一系列可能的“风险承受度”和“距离敏感度”设置，计算出你选择路径 A、路径 B 或路径 C 的概率。它并不假设自己完美地了解你，而是假设它了解一个关于“你可能是谁”的范围。

2. “固执程度”计（切换机制）

如果机器人只是盲目跟随你，你可能会把它带入陷阱；如果机器人只是强迫你跟随它，你可能会感到烦躁并停止合作。论文引入了一种聪明的决策方式，用来决定谁来主导：固执程度计（The Stubbornness Meter）。

类比： 把机器人想象成 GPS，把你想象成驾驶员。
- 阶段 1（机器人主导）： 在开始时，机器人建议一条路线。如果你同意，那就很好。但如果机器人不断建议一些让你觉得“不对劲”的路线（比如挤过一个极小的缝隙），你内在的“烦躁感”就会开始上升。
- 阶段 2（临界点）： 机器人会追踪这种烦躁感。只要你只是轻微感到烦躁，机器人就会继续尝试引导你。但一旦你的烦躁程度超过了某个阈值（你变得“固执”了），机器人就会说：“好吧，我认输。你来带路，我来跟随。”
- 结果： 这防止了团队陷入分歧的死循环。机器人在高效时负责引导，但在你感到过于挫败的瞬间便交出控制权，确保团队能够继续前进。

3. “预判之舞”（姿态优化）

这里是最棘手的部分：即使在机器人决定让你主导之后，它仍然不知道你下一步究竟会选择哪条路径。你可能会向左转，也可能会向右转。如果机器人等到你转向后再去移动手臂，可能就太晚了，会导致动作生硬或不安全。

解决方案： 机器人利用它的“可能性云团”来同时为所有可能的后果做好准备。

类比： 想象你是一名舞者，正在跟随一位尚未决定下一步动作的舞伴。你不会僵硬地站立，而是微微移动重心，使自己处于一种既可以随时向左转也可以随时向右转的平衡状态。你并没有完全投入到某一个动作中，但你已经为任何动作做好了准备。
运作方式： 机器人调整其关节角度（即它的“姿态”），寻找一个能很好地适配你可能选择的所有路径的“甜点位（sweet spot）”。这样一来，无论你突然决定往哪个方向走，机器人都已经处于一个舒适、安全的位置来平滑地跟随，从而避免了生硬的停顿或危险的拉伸。

他们如何证明其有效性

研究人员不仅编写了代码，还进行了测试：

人类反馈： 他们向 20 个人展示了不同路径的视频，并询问他们会如何选择。他们利用这些数据来微调他们的“可能性云团”模型，证明该模型能够准确预测人类的选择分布。
模拟实验： 他们运行了数千次计算机模拟，以测试“固执程度计”。他们发现，使用这种切换机制的团队比那些机器人始终尝试主导或始终盲目跟随的团队，完成任务的速度更快、更安全。
对照测试： 他们展示了“预判之舞”（姿态优化）与不进行预判的机器人相比，显著降低了机器人在跟随人类时的“生硬感”和所需的力量。

核心结论

这篇论文提出了一种框架，让机器人不再只是盲目跟随人类，也不再是盲目强迫人类跟随它。相反，机器人：

承认它并不完全了解你的意图（不确定性）。
观察你是否因烦躁而接管主导权（固执程度）。
调整身体姿态，为应对你可能做出的任何决定做好物理准备（姿态优化）。

其结果是一个能够实现更流畅、更安全、更高效协作的团队，即便在无需言语沟通的情况下也是如此。

技术摘要：人类偏好不确定性下的协作运输中的相互适应

问题陈述

本文探讨了人机协作运输中的挑战，特别关注人类与机器人共同引导物体通过障碍物开口到达目标点的场景。核心问题在于人类偏好参数的不确定性以及平衡适应策略的难度。

传统方法通常依赖固定参数来建模人类行为，这无法解释个体差异以及风险感知和距离敏感性的波动。此外，现有的协作模型通常侧重于静态的一次性交互或单向适应（要么机器人适应人类，要么人类适应机器人），而非在演变环境中的动态相互适应。作者识别了三个具体的空白点：

缺乏能够量化由主观偏好参数引起的人类决策不确定性的模型。
缺乏基于人类对机器人计划的抵触程度进行动态角色切换（谁领导团队）的机制。
在人类领导模式下，缺乏有效的底层控制策略来减轻不确定的人类选择所带来的影响。

方法论

作者提出了一个由三个互连模块组成的统一框架，每个模块分别针对关于人类偏好不确定性、相互适应和底层控制的特定假设。

1. 带有参数不确定性的人类偏好模型 (H1)

作者并没有假设固定的参数，而是将人类决策建模为一个概率分布。

主观成本： 他们基于 Prelec 的概率加权函数（用于风险感知，参数 $\gamma$ ）和 Stevens 幂律（用于距离感知，参数 $\alpha$ ）定义了一个主观成本函数 $\hat{J}_o(\alpha, \gamma)$ 。
不确定性建模： 参数 $\alpha$ 和 $\gamma$ 被视为独立变量，遵循均匀分布（ $\alpha \sim U(0.55, 0.95)$ ， $\gamma \sim U(0.5, 1.1)$ ）。
选择分布： 通过对参数空间进行积分，模型计算出人类选择特定路径选项 $o$ 的概率 $P_o$ 。这通过将参数不确定性转化为选择分布，使机器人能够预判一系列人类偏好，而非单一的确定性路径。

2. 通过时变固执度进行的协作路径规划 (H2)

为了管理机器人领导模式与人类领导模式之间的转换，该框架引入了一个时变固执度度量 $\phi(k)$ 。

不适感的累积： 当团队运动偏离人类的概率偏好时，该度量会根据“不适感” $g(k)$ 的累积呈指数级增长。
模式转换：
- 机器人领导模式 ( $\phi(k) \le 1$ )： 机器人选择一条平衡其目标成本与近似的人类主观成本的路径。随着 $\phi(k)$ 趋近于 1，人类成本的权重会逐渐增加。
- 人类领导模式 ( $\phi(k) > 1$ )： 一旦人类的固执度超过阈值（1），机器人便让出控制权并跟随人类。
动态适应： 该机制允许团队以机器人引导开始，但如果人类持续抵触机器人的计划，则过渡到人类领导，从而实现相互适应。

3. 通过位姿优化的底层控制 (H3)

当机器人处于人类领导模式时，必须在不知道人类确切路径的情况下，为多种潜在的人类选择做好准备。

冗余解析： 机器人利用其机械臂的冗余性。
概率位姿优化： 系统通过求解一个优化问题，选择一个关节配置 $q^*$ ，使所有可能路径选项的预测控制（MPC）成本的概率加权和最小化。
目标： 这种前瞻性的调整确保机器人能保持有利的运动学构型，以应对路径选项之间的意外切换，从而减少控制量和跟踪误差。

主要贡献

概率人类偏好模型： 一个捕捉人类风险和距离感知参数不确定性的数学框架，生成人类选择的概率分布，而非依赖固定值。
通过固执度实现的相互适应： 一种使用时变固执度度量来动态转换机器人领导和人类领导模式的协调模型，使团队能够随时间适应人类的抵触。
用于不确定性的位姿优化： 一种底层控制策略，利用人类选择的概率分布来优化机器人的关节配置，减轻人类领导运输期间不确定人类决策的影响。

实验结果

该框架通过人类参与者研究和仿真进行了验证：

验证 H1 (偏好模型)： 在四种不同的障碍物环境下对 20 名参与者进行的实验表明，所提出的概率模型准确捕捉了人类选择路径选项的排序。该模型成功预测了人类选择更安全但更长路径与更冒险但更短路径的可能性。
验证 H2 (相互适应)： 将所提出的模式切换机制与固定模式基准（机器人始终领导或始终跟随）进行对比的仿真表明，自适应方法始终能获得更低的总目标成本。结果表明，机器人在人类变得足够固执以强制进行模式切换之前，可以成功引导人类走向更高效的路径。
验证 H3 (位姿优化)： 在各种参数设置下的仿真结果显示，在人类领导模式下启用位姿优化，与没有位姿优化的基准相比，显著降低了机器人的总控制成本（跟踪误差和控制量）。这证实了为多种潜在人类选择做准备可以提高底层控制性能。

意义与主张

本文声称其主要意义在于提供了一种统一的方法，将人类建模（含不确定参数）、相互适应策略和底层控制优化集成在一起。

应对不确定性： 这项工作超越了确定性的人类建模，承认人类参数是存在变化和波动的，并提供了通过概率分布处理这些变化的机制。
平衡适应： 它为机器人效率与人类偏好之间的权衡提供了解决方案，允许机器人在有利时引导，并在人类的抵触（固执度）表明需要人类领导时让步。
前瞻性控制： 通过将高层人类意图的不确定性与底层关节配置相联系，系统前瞻性地减轻了意外人类行为带来的风险，确保了更安全、更平滑的协作运输。

作者指出了一些局限性，特别是他们的人类反馈是通过静态图像和视频收集的，而非物理交互，未来的工作将致力于将该框架扩展到物理协作运输研究和多机器人场景中。