近日，機器人與自動化領(lǐng)域全球頂會ICRA 2025在美國亞特蘭大開幕。由中國科學院自動化研究所與靈寶CASBOT共同提出的關(guān)于“增強物理人機協(xié)作中的人類意圖估計和人機角色分配”方法（DTRT: Enhancing Human Intent Estimation and Role Allocation for Physical Human-Robot Collaboration）獲ICRA 2025錄用。

01. DTRT：增強物理人機協(xié)作中的人類意圖估計和人機角色分配

在物理人機協(xié)作（physical Human-Robot Collaboration, pHRC）中，準確的人類意圖估計和合理的人機角色分配對安全高效的協(xié)作至關(guān)重要?，F(xiàn)有的依賴短期運動數(shù)據(jù)進行意圖估計的方法缺乏多步預測能力，阻礙了機器人感知長期意圖變化和自主調(diào)整人機分配的能力，從而導致潛在的人機分歧。為了解決這些問題，中國科學院自動化研究所與靈寶CASBOT共同提出了一種基于對偶Transformer的人機協(xié)作框架（Dual Transformer-based Robot Trajectron, DTRT），該框架采用分層結(jié)構(gòu)，利用人類引導的運動和力數(shù)據(jù)來快速捕獲人類意圖變化，從而實現(xiàn)準確的軌跡預測和動態(tài)機器人行為調(diào)整，最終實現(xiàn)有效的物理人機協(xié)作。

基于雙變壓器的機器人軌跡器，用于人類意圖估計和角色分配

具體而言，DTRT中的人類意圖估計利用兩個基于Transformer的條件變分自編碼器（Conditional Variational Autoencoder, CVAE），將機器人在無障礙物情況下的運動數(shù)據(jù)與避障時人類引導的軌跡和力相結(jié)合。此外，我們采用基于人類施加力的微分合作博弈論（Differential Cooperative Game Theory, DCGT）來綜合兩種預測，確保機器人的行為與人類的意圖一致。與現(xiàn)有方法相比，DTRT將人類動態(tài)納入長期預測，提供準確的意圖理解，實現(xiàn)合理的角色分配，提升機器人的自主性和可操作性。

02. 物理人機協(xié)作面臨意圖預測與角色分配的雙重挑戰(zhàn)

物理人機協(xié)作（pHRC）在制造、醫(yī)療保健和服務(wù)中至關(guān)重要。需要有效的策略來確保機器人能夠無縫地與人類協(xié)作，進行準確的估計意圖，并動態(tài)調(diào)整行為，從而協(xié)助人類。因此，精確的人類意圖估計和合理的人機角色分配是提高pHRC性能的關(guān)鍵挑戰(zhàn)。

基于人類意圖對未來軌跡的準確預測對于機器人輔助的有效性和pHRC的安全性至關(guān)重要。在存在潛在危險的復雜環(huán)境中，例如當機器人遇到未知障礙物時，人類意圖的快速變化給意圖估計帶來了重大挑戰(zhàn)。目前的方法主要依賴于短期運動數(shù)據(jù)，如位置和速度，這限制了檢測人類意圖變化，將影響預測的準確性和安全性。

此外，短期數(shù)據(jù)會降低長期協(xié)作中意圖估計的有效性。因此，研究將人類施加的力量整合到pHRC中的長期預測方法對于實現(xiàn)準確的意圖估計至關(guān)重要。此外，人機角色分配涉及一種復雜的機制，用于在人類和機器人之間分配任務(wù)控制權(quán)。這一過程將實時協(xié)調(diào)人機關(guān)系，減少分歧并提高機器人的輔助水平。現(xiàn)有方法主要依賴阻抗/柔順性控制，通過修改模型參數(shù)來確定角色。在各種方法中，基于博弈論的角色分配模擬多參與者之間的協(xié)作過程，將目標設(shè)定為最小化成本函數(shù)以實現(xiàn)最優(yōu)的人機協(xié)同關(guān)系。然而，確保機器人行為與人類意圖一致，同時保持自主性和靈活性仍然是一個重大挑戰(zhàn)。

03. DTRT在預測精度與協(xié)作表現(xiàn)方面展現(xiàn)顯著優(yōu)勢

實驗結(jié)果表明， DTRT在預測精度方面具有顯著優(yōu)勢，在多個物理人機協(xié)作指標上表現(xiàn)出卓越的性能，有效降低了人機分歧并提高了機器人的輔助水平，具有巨大的應用潛力。DTRT的核心優(yōu)勢在于以下三點：

1. DTRT將人類意圖估計與人機角色分配相結(jié)合，以檢測意圖變化并減少人機分歧，有效提高了復雜和危險易發(fā)環(huán)境中的人機協(xié)作性能。

2. DTRT中的基于分層結(jié)構(gòu)的人類意圖估計同時處理人機協(xié)作中的運動和力數(shù)據(jù)，提高了人類意圖的預測精度，提供了對意圖的準確理解。

3. 基于微分合作博弈論的人機角色分配實現(xiàn)了基于人施加的力的自適應領(lǐng)導者切換，確保機器人的行為與人類意圖一致，在保持機器人自主性的同時減少分歧。

在物理人機協(xié)作性能上，使用了以下指標：

在實驗中，我們對障礙物進行替換和隨機定位。結(jié)果表明，DTRT在物理人機協(xié)作場景下優(yōu)于現(xiàn)有方法。DTRT的平均人機協(xié)作角度為76.4°，平均機器人輔助水平指數(shù)為1.5，人機系統(tǒng)在61.8%的時間內(nèi)處于協(xié)作狀態(tài)。此外，人機角色分配有效地平衡了機器人的自主性和人類引導，使得僅有3.5 J的人類機械功?？傮w而言，DTRT準確估計了人類意圖變化，合理分配了領(lǐng)導者和追隨者的角色，從而減少了人機分歧，提高了機器人的輔助水平，促進了安全高效的物理人機協(xié)作。

DTRT與現(xiàn)有方法在指標上的定量對比

DTRT的提出，不只是一個算法突破，更是一次“人機關(guān)系”重構(gòu)的嘗試：它為人形機器人發(fā)展提供了一條兼具通用性與工程價值的技術(shù)路徑。未來，DTRT的研究思路及其核心機制有望在靈寶CASBOT所聚焦的工業(yè)制造、復雜作業(yè)、服務(wù)協(xié)同等多個實際應用場景中持續(xù)拓展與深化。