💻 计算机科学

Stochastic Decision-Making Framework for Human-Robot Collaboration in Industrial Applications

本文提出了一种随机决策框架，通过对动机和攻击性等因素进行建模，使协作机器人能够预测人类的行为与情绪，从而增强人机工业协作中的安全性和效率。

原作者： Muhammad Adel Yusuf, Ali Nasir, Zeeshan Hameed Khan

发布于 2026-01-22

📖 1 分钟阅读☕ 轻松阅读

原作者： Muhammad Adel Yusuf, Ali Nasir, Zeeshan Hameed Khan

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

想象一个工厂车间，一名人类工人正试图与一个机械臂共同完成一项组装任务。在过去，机器人就像害羞、紧张的舞者，只能待在封闭的笼子里，只有在人类远离时才会移动。但今天，我们希望它们能与人类并肩协作，像是在一起跳舞。

问题在于：人类是不可预测的。

有时人类会感到疲劳，有时他们会赶时间，有时会感到沮丧，有时甚至可能会意外绊倒或突然伸手去拿东西。一个仅仅遵循僵化脚本的机器人并不知道如何处理这些“人类时刻”。它可能会靠得太近导致事故，或者离得太远从而拖慢进度。

这篇论文提出了一种让机器人能够“察言观色”并做出智能决策的新方法，使用的是一种被称为随机建模（Stochastic Modeling）的数学工具（这只是一个高级说法，意思是通过概率和推测来进行决策）。

以下是作者提出的系统运作方式，通过简单的概念进行了拆解：

1. “三个安全圈”（气泡理论）

想象人类站在三个不断扩张的隐形气泡中心：

内层气泡： 这是人类静止站立时所占据的空间。
中层气泡： 这是人类张开双臂时所占据的空间。
外层气泡： 这是人类摔倒或踉跄时所占据的空间。

大多数安全系统为了保险起见，始终使用最大的气泡（外层气泡）。但这就像夏天穿着冬天的外套一样；虽然安全，但会让机器人的工作变得非常困难，因为它不得不离得非常远。

论文的想法： 机器人应该足够聪明，知道现在该使用哪一个气泡。如果人类很冷静且工作稳健，机器人可以靠得更近（内层气泡）。如果人类看起来可能要绊倒或者动作剧烈，机器人会立即切换到外层气泡。这就像一个懂得何时牵手、何时保持距离的舞伴。

2. 读取“情绪天气”

机器人无法询问人类：“你累了吗？”或者“你生气了吗？”因此，它必须通过线索进行推测。

线索： 机器人观察人类移动的速度、关节弯曲的方式以及身体姿态。
推测： 如果人类动作缓慢且平滑，机器人会猜他们处于冷静且有动力的状态。如果人类动作剧烈或过快，机器人会猜他们可能处于焦躁或压力大的状态。

论文将人类的情绪（动力和攻击性）视为一种“隐藏状态”。机器人无法直接看到它，但它使用了一种叫做 POMDP（部分可观测马尔可夫决策过程）的数学技巧。把它想象成一个侦探在破解谜题：机器人收集线索（速度、姿态）来构建关于人类感受的“信念”，尽管它无法直接看到这种感受本身。

3. “决策大脑”

一旦机器人对人类的情绪和安全区域有了判断，它就必须决定下一步该做什么。它有一个选项菜单：

正常工作： 继续做你正在做的事。
请求帮助： “嘿，人类，你能做一下这个部分吗？”
团队协作： “让我们一起完成吧。”
激励： “嘿，咱们加快点速度！”（机器人可能会改变行为来鼓励人类）。
退后： “我正在移开以确保安全。”
不做任何事： 只是等待。

机器人使用一个“代价函数”（评分卡）来进行决策。它试图通过平衡以下三点来获得最高分：

安全性： 不要撞到人类。
速度： 快速完成工作。
舒适度： 不要让人类感到压力或被挤压感。

4. 模拟实验（练习赛）

作者并没有在真实的工厂里制造一个真实的机器人。相反，他们创建了一个计算机模拟（一个工厂版的电子游戏）。

他们用三种不同的场景测试了他们的系统：

场景 A： 一个人类和机器人必须协作完成的任务。机器人注意到人类靠得很近，所以它也保持靠近，并“激励”人类进行协作。
场景 B： 一个只有人类能完成的任务。机器人退后一步，给人类留出空间，并等待。
场景 C： 一个只有机器人能完成的任务。机器人接管工作并高效运作，而人类则避开干扰。

核心结论

论文声称，通过使用这种“概率侦探”的方法，机器人可以不再是僵硬的机器，而是成为灵活的伙伴。它们可以预判人类的行为，实时调整安全距离，甚至能适应人类的情绪，从而使整个团队更安全、更高效。

该论文并未声称：

它并不声称该系统目前正在真实工厂中运行。
它并不声称能治愈人类的压力或改善人类健康（它仅将压力作为一个安全变量）。
它并不声称该系统能在这种特定的模拟框架之外适用于其他类型的机器人。

简而言之，这篇论文教会了机器人如何通过猜测人类的情绪并精准掌握给予多少个人空间，从而成为一个更好的舞伴。

技术摘要：工业应用中人机协作的随机决策框架

问题陈述
协作机器人（cobots）集成到工业环境中，使操作从孤立、受安全约束的设置转向了机器人与人类共享工作空间的协作模式。虽然现有研究能有效利用传感器（视觉、接近度、肌电图）来检测人类意图，但在处理人类因素（特别是情绪状态——动机和攻击性）以及动态行为特征的不确定性方面，仍面临重大挑战。目前的安全机制通常依赖于静态肌肉骨骼模型或简单的距离阈值，这在开放、不受约束的环境中可能不足，因为人类行为具有随机性。本文解决的核心问题是：需要一种能够预测人类行为和情绪的决策框架，以在不确定性下确保安全与效率。

方法论
本文提出了一种基于部分可观测马尔可夫决策过程（POMDP）的随机决策框架。该方法超越了假设固定人类模型的传统做法；相反，它通过观察数据学习人类模型，以处理隐藏状态（如人类的情绪和动机）。

状态空间构建： 模型定义了一个包含五类变量的综合状态空间 ( $S$ )：
- 任务分配 ( $\tau$ )： 包括优先级、持续时间、性质（仅机器人、仅人类或协作）以及承诺状态。
- 距离 ( $d$ )： 使用一种创新的“三圆”安全法进行建模。这些圆代表：（1）人类的工作空间；（2）人类完全伸展手臂时的空间（攻击性行为）；（3）人类跌倒时的空间（事故）。机器人根据上下文动态选择合适的安全圆。
- 人类情绪 ( $e$ )： 包括动机水平和攻击性水平，这些是根据观测值推断出的隐藏状态。
- 人类活动 ( $h$ ) 与机器人活动 ( $b$ )： 代表双方当前任务的优先级和进度。
观测与推理： 由于情绪状态无法直接观测，系统利用由人类身体位置、关节角度和角速度（例如来自视觉传感器）组成的观测空间 ( $O$ )。POMDP 框架利用这些观测值来更新信念状态（即对动机和攻击性等隐藏状态的概率分布）。
决策变量： 机器人的动作集 ( $D$ ) 包括：
- 常规工作模式 ($nw$)。
- 要求人类单独工作 ($rh1 $) 或协作工作 ($ rh2$)。
- 激励人类 ($mh$)。
- 承诺执行任务 ($ct$)。
- 调整距离（增加距离 $dp $或减小距离$ dm$）。
- 无动作/闲置模式 ($dn$)。
代价函数： 目标函数 ( $J$ ) 平衡了三个目标：避免碰撞（基于攻击性水平维持安全距离）、高效完成任务以及尊重人类情绪状态。代价函数会对不安全距离、未分配任务、低动机以及错误的任务分配进行惩罚。
求解方法： 作者采用价值迭代（Value Iteration）来求解底层的 MDP 并导出最优策略。为了处理部分可观测性，采用了一种启发式动作选择方法，即机器人通过聚合来自信念状态分布的权重，来选择累积概率最高的最佳动作。

核心贡献

三圆安全模型： 一种新颖的安全决策方法，它根据三种不同的场景（工作、伸展、跌倒）动态调整机器人的安全区域，而非依赖单一的静态安全半径。
情绪感知型 HRC： 将人类情绪状态（动机和攻击性）整合进决策循环，使机器人能够调整其行为（例如，若攻击性高则增加距离，若参与度低则进行激励）。
双向意图预测： 不同于以往仅关注检测人类意图的研究，该框架利用 POMDP 对双向交互进行推理，将人类决策视为外生事件，同时优化机器人自身的策略以促进安全顺畅的协作。
统一框架： 在单一随机控制框架内结合了任务管理、安全约束和情绪推理。

结果
所提出的框架通过一个涉及人类与机器人的模拟工业场景数值案例研究得到了验证。该模拟引入了三个具有不同优先级、持续时间和协作要求（协作型、仅人类型和仅机器人型）的连续任务。

任务执行： 系统成功识别出在保持安全的同时以最短时间执行任务的最优策略。
动态适应： 结果表明，机器人能够根据任务性质调整其行为。对于协作任务，机器人保持较近距离（较小的安全圆）并激励人类；对于仅人类的任务，机器人在分配任务前会增加距离并激励人类。
安全管理： 模拟显示，当人类未参与协作任务时，机器人能有效管理“三圆”安全区（增加距离）；当需要协作时，则减小距离。
信念状态更新： 系统能够根据观测到的速度信息推断隐藏的情绪状态（动机和攻击性），并通过更新信念状态来指导决策。

意义与主张
本文声称其主要意义在于填补了当前 HRC 研究的空白，即现有研究往往侧重于意图检测，而未能充分考虑人类情绪的随机性和安全性的动态需求。通过使用 POMDP，该框架提供了一种处理由隐藏的人类行为和不完美传感器数据引起的不确定性的通用方法。作者断言，这种方法增强了协作机器人的安全性和透明度，使其能够预判人类行为并实时调整行为。研究结论认为，将机器人状态与不确定的情绪状态纳入统一的分层结构中，为动态人机交互提供了全面的解决方案，实现了从简单的碰撞规避向主动的、情绪感知的协作的跨越。

1. “三个安全圈”（气泡理论）

2. 读取“情绪天气”

3. “决策大脑”

4. 模拟实验（练习赛）

核心结论

类似论文