论文技术总结：人机协作中的多周期时空适应 (RAPIDDS)

1. 研究背景与问题定义

在制造等实际工作场景中，机器人需要与人类无缝协作。然而，现有的优化人机联合计划的方法面临以下挑战：

• 个体差异建模困难：难以准确捕捉不同人类队友的能力（如完成任务的速度）和偏好（如空间移动路径）。
• 适应维度的割裂：
  • 任务级适应（Task-level）：专注于任务分配和调度以优化效率，但往往忽略近距离协作中的空间干扰。
  • 运动级适应（Motion-level）：专注于碰撞避让，但忽略了更宏观的任务上下文和整体效率。
• 多周期结构的利用不足：虽然许多领域（如装配线）具有重复的多周期结构，但现有方法通常未能充分利用跨周期的历史数据来同时优化任务调度和机器人运动。

核心问题：如何在一个多周期的人机协作框架中，同时学习人类队友的时间行为（任务持续时间）和空间行为（移动路径偏好），并据此联合优化任务调度和机器人运动，以在最大化效率的同时最小化人机空间干扰？

2. 方法论：RAPIDDS 框架

论文提出了 RAPIDDS (Repeated Adaptive Planning via Iterative Deployment of Diffusion and Scheduling) 框架。该框架通过迭代部署扩散模型和调度算法，实现多周期的时空适应。

2.1 核心组件

1. 个性化人类行为模型：
   • 时间适应：使用贝叶斯更新机制，根据历史观测数据更新人类完成任务时长的均值 ($\mu$) 和方差 ($\sigma^2$)。
   • 空间适应：定义空间成本函数 $S_i(\xi)$，量化机器人在执行任务时与人类任务轨迹的期望接近度。通过贝叶斯更新，根据新观测到的轨迹调整个体特定的空间成本模型。
2. 不确定性感知规划器：
   • 任务调度：使用遗传算法（Genetic Algorithm）优化任务分配和顺序。目标函数包含三个部分：
     • 时间成本 ($z_t$)：最小化总完工时间（Makespan）。
     • 空间成本 ($z_s$)：最小化人机并发任务期间的最大空间成本（即最大接近度）。
     • 多样性成本 ($z_d$)：在早期交互中鼓励任务分配的多样性（探索），以便收集更多人类行为数据；后期则转向利用（Exploitation）。
   • 运动生成：利用**扩散模型（Diffusion Models）**生成机器人轨迹。通过“引导（Steering）”技术，将扩散策略与空间成本函数结合，在生成轨迹时平衡效率与安全性。
3. 迭代循环：
   • 在每一轮任务周期中，系统基于当前的人类模型生成候选计划。
   • 部署计划，机器人执行任务并记录人类的实际时长和轨迹。
   • 更新人类模型（时间和空间参数），用于下一轮的计划生成。

2.2 算法细节

• 调度表示：不仅包含任务序列，还引入了“等待（Wait）”任务，允许机器人在人类完成特定任务前暂停，以解决空间冲突。
• 评估过程：在评估候选计划时，算法会采样人类任务时长，计算预期的时间成本和空间重叠，并利用记忆字典（Memory Dictionary）缓存特定任务组合下的最优轨迹，减少重复计算。

3. 主要贡献

1. 贝叶斯适应机制：提出了一种迭代机制，能够在多个任务周期中同时个性化人类的空间（移动路径）和时间（任务时长）行为模型。
2. 不确定性感知联合规划器：设计了一个优化器，能够联合优化任务调度和机器人运动（通过扩散模型引导），在最大化效率的同时最小化预期的人机接近度。
3. 实证证据：通过仿真实验、物理机器人实验和用户研究（$n=32$），证明了同时进行时空调适应比仅适应单一维度或无适应的系统在效率、安全性（接近度）和主观体验（流畅度、偏好）上均有显著提升。

4. 实验结果

4.1 仿真实验（Fetch 任务）

• 设置：在虚拟“取物”环境中，测试了四种人类原型（快/慢速度，中间/外侧路径策略）。
• 结果：RAPIDDS（时空全适应）在总成本上始终优于或等于仅空间适应、仅时间适应及无适应的系统。特别是在早期交互阶段，系统通过多样性探索快速学习人类习惯，随后迅速收敛到最优策略。

4.2 物理机器人实验（协作绘画）

• 场景：人机协作进行油漆混合与涂抹。涉及人类的手部偏好（左手/右手）和涂抹速度。
• 发现：
  • 空间适应：机器人能学会人类的手部偏好。例如，若人类习惯用左手，机器人会调整混合油漆的顺序或运动轨迹，避免在人类操作时发生碰撞或造成不适。
  • 权衡控制：通过调整空间权重参数 $\gamma$，系统能在“效率优先”和“安全优先”之间灵活切换。高权重下，系统会插入等待任务以确保绝对安全；低权重下则优先效率。

4.3 用户研究 ($n=32$)

• 客观指标：
  • 空间适应显著降低了空间成本 ($p < .001$)。
  • 时间适应显著降低了时间成本 ($p < .005$)。
• 主观指标：
  • 参与者对具有空间适应功能的系统排名显著更高 ($p < .005$)。
  • 在流畅度、团队随时间进步、机器人性能提升以及“机器人是否阻碍任务”等主观评分上，空间适应系统均表现出显著优势。

5. 意义与局限性

意义

• 填补空白：首次将任务级调度与运动级适应在多周期框架下统一，解决了以往研究将两者割裂的问题。
• 实际价值：证明了通过长期学习个体习惯，机器人不仅能更安全地工作，还能显著提升协作效率，改善人类的主观体验。
• 技术融合：成功将扩散模型（用于复杂运动生成）与传统的调度优化算法结合，为处理人机协作中的不确定性提供了新范式。

局限性

• 行为一致性假设：假设人类行为在一段时间内是稳定的，未充分考虑疲劳或突发反应导致的行为突变。
• 静态权衡参数：效率与安全的权衡参数 $\gamma$ 是固定的，未来可探索根据人类舒适度动态调整该参数。
• 缺乏实时反应：目前主要关注周期间的计划适应，未完全整合任务执行过程中的实时反应规划（On-the-fly adaptation）。

总结：RAPIDDS 通过结合贝叶斯学习、遗传算法和扩散模型，实现了对人机协作中时空行为的高效适应，为构建更安全、更流畅、更个性化的机器人协作系统提供了重要的理论框架和实证支持。