近日，機器人與自動化領域全球頂會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共同提出的關于“增強物理人機協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：增強物理人機協作中的人類意圖估計和人機角色分配
在物理人機協作（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作至關重要?，F有的依賴短期運動數據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的人機協作框架（Dual Transformer-based Robot Trajectron, DTRT），該框架采用分層結構，利用人類引導的運動和力數據來快速捕獲人類意圖變化，從而實現準確的軌跡預測和動態機器人行為調整，最終實現有效的物理人機協作。
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據與避障時人類引導的軌跡和力相結合。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。與現有方法相比，DTRT將人類動態納入長期預測，提供準確的意圖理解，實現合理的角色分配，提升機器人的自主性和可操作性。
02. 物理人機協作面臨意圖預測與角色分配的雙重挑戰
物理人機協作（pHRC）在制造、醫療保健和服務中至關重要。需要有效的策略來確保機器人能夠無縫地與人類協作，進行準確的估計意圖，并動態調整行為，從而協助人類。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性能的關鍵挑戰。
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的安全性至關重要。在存在潛在危險的復雜環境中，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。目前的方法主要依賴于短期運動數據，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，短期數據會降低長期協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準確的意圖估計至關重要。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控制權。這一過程將實時協調人機關系，減少分歧并提高機器人的輔助水平?，F有方法主要依賴阻抗/柔順性控制，通過修改模型參數來確定角色。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作過程，將目標設定為最小化成本函數以實現最優的人機協同關系。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。
03. DTRT在預測精度與協作表現方面展現顯著優勢
實驗結果表明， DTRT在預測精度方面具有顯著優勢，在多個物理人機協作指標上表現出卓越的性能，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環境中的人機協作性能。
2. DTRT中的基于分層結構的人類意圖估計同時處理人機協作中的運動和力數據，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了基于人施加的力的自適應領導者切換，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。結果表明，DTRT在物理人機協作場景下優于現有方法。DTRT的平均人機協作角度為76.4°，平均機器人輔助水平指數為1.5，人機系統在61.8%的時間內處于協作狀態。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作。
DTRT與現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“人機關系”重構的嘗試：它為人形機器人發展提供了一條兼具通用性與工程價值的技術路徑。未來，DTRT的研究思路及其核心機制有望在靈寶CASBOT所聚焦的工業制造、復雜作業、服務協同等多個實際應用場景中持續拓展與深化。
