Human-Robot Shared Control for Humanized End-Effector Teleoperation

技术摘要：面向拟人化末端执行器遥操作的人机共享控制

问题陈述
随着机器人越来越多地部署在人类共享环境中，有效的交互（HRI）变得至关重要。研究表明，拟人化（即引入类人特征）能够增强用户的信任感、安全性及任务表现。然而，在机器人臂遥操作中，通过接口（如摇杆）由人类操作员控制的运动往往缺乏自然的类人运动学特征。这种偏差源于间接交互、任务空间不匹配以及通信延迟。本研究旨在解决的核心挑战是：如何在严格保留操作员预期控制输入的同时，实现实时的拟人化运动。

方法论
作者提出了一种实时共享控制框架，旨在实现末端执行器轨迹的拟人化，且不会覆盖操作员的意图。该系统运行在六自由度 Dobot CR10 机器人臂上，并利用了三分之二幂律（Two-Thirds Power Law）——这是一种生物学原理，指出切向速度 ($v$) 与轨迹曲率 ($C$) 的立方根成反比，表达式为 $v(t) = k \cdot C(t)^{-1/3}$。

该架构由三个主要阶段组成：

1. 曲率前瞻（Curvature Lookahead）： 系统接收用户速度指令 ($V_i$) 并估计预期路径的曲率 ($\hat{C}_i$)。这是通过对输入速度进行数值微分以估计加速度，并结合指数移动平均（EMA）滤波来减少噪声来实现的。曲率通过速度向量与加速度向量的叉积进行计算。
2. 共享控制调制（Shared Control Modulation）： 系统并非直接执行原始的用户速度，而是生成一个“拟人化”的速度指令 ($v_h$)。该框架通过将用户瞬时输入速度的模长 ($|V_i(t)|$) 代替幂律中的标准增益因子 ($k$)，确保操作员对运动速度和方向拥有完全的控制权，同时系统强制执行运动学关系，即在高曲率（急转弯）处速度降低，在低曲率（平滑段）处速度增加。
3. 执行（Execution）： 调制的信号根据机器人硬件规格进行缩放，并通过雅可比矩阵的阻尼伪逆转换为关节速度，从而驱动机械臂。

核心贡献

• 实时共享控制框架： 本文引入了一种新颖的架构，将人类手部运动的运动学模型集成到遥操作中，平衡了操作员意图与生物运动约束。
• 操作员意图保留： 不同于以往侧重于避障或预定义技能原语的共享控制方法，本方法允许执行任意运动，同时强制执行类人运动学剖面。
• 无需预先学习： 该方法依赖于解析性的三分之二幂律而非数据驱动模型，因此无需收集演示数据或进行持续训练。
• 开源实现： 作者发布了代码，以促进拟人化遥操作领域的进一步研究。

实验结果
该框架通过涉及平面轨迹（椭圆、图形 8 字型、正弦路径及任意路径）的真实世界实验进行了验证。性能通过与传统直接遥操作对比，使用三个指标进行评估：

1. 拟人化程度： 通过估计的幂律指数 ($\beta$) 与理论值 $-1/3$ 的偏差来衡量。所提方法使该偏差平均降低了 39.7%，其中 80% 的运动模式表现出显著改善。
2. 运动平滑度： 通过峰值和均方根（RMS）转矩变化率进行量化。所提方法实现了约 34% 的运动平滑度提升（RMS 转矩变化率降低），其中 80% 的模式显示出显著增强。
3. 任务表现： 完成时间与传统遥操作相当（在 $\pm 2\%$ 以内），证明了运动平滑化并未损害任务效率。

意义与主张
本文声称，将类人运动学原理嵌入遥操作可以显著增强机器人运动的“拟人化”程度并提高运动平滑度，这对于建立人机交互中的信任感和舒适感至关重要。作者强调，其方法在实现这些改进的同时，并未牺牲操作员的控制权或任务完成时间。他们将这项工作定位为迈向更直观、更具可解释性机器人行为的一步，并指出未来的工作将致力于将这些原理扩展到 3D 运动，并纳入主观用户评估。研究承认，尽管结果令人鼓舞，但由于实际系统约束和人类输入的变异性，估计的指数未能完美收敛至理论值。