如何传达机器人运动意图：一项范围审查

文献标题

How to Communicate Robot Motion Intent: A Scoping Review

文献信息

• 主题领域: 人机交互（HCI），重点在人机协作和机器人意图（Motion Intent）传达
• 关键词: 意图, 运动, 机器人, 协作机器人, 无人机, 调查, 人机交互

研究背景与问题

• 发现的问题或者挑战:

  • 在机器人逐渐融入日常生活和协作场景的趋势下，人类需要理解机器人运动意图以避免任务失败并提高协作效率，但目前缺乏统一的模型来系统化运动意图的传达方法。
  • 对于“机器人运动意图”的定义和关联因素尚无共识，且现有术语和研究方法存在概念不清的现象。
  • 多种研究方法如借助增强现实 (AR) 或视觉化路径，都未能提供统一的分类标准。

• 为什么这个问题重要:

  • 理解机器人意图对于人机协作和安全性至关重要，尤其在机器人与人类频繁共享物理空间的情况下。
  • 明确机器人运动意图的表达是开发可解释性机器人 (Explainable Robotics) 和无缝人机交互的关键。

• 研究动机与相关工作:

  • 在传统的机器人导航研究中，多关注从机器人如何理解人类行为，但对于如何向人类展示其意图、让人类理解其动作计划及其目标的研究较少。
  • 当前研究集中于与机器人群集 (swarm) 和情绪表达 (emotions and intentions communication) 等领域的技术结合。

解决方案

• 提出的方法或解决方案：

  • 通过对现有文献的综述研究，提出了一个“意图沟通模型 (Intent Communication Model)”来统一和分类表达运动意图的方法。
  • 该模型包括三个主要实体（机器人、意图、人类角色）和多个维度（例如意图类型、信息属性以及其传达位置）。

• 创新之处:

  • 模型不局限于运动意图，而是包含了与运动意图相关的支持性沟通类型（例如吸引注意力 [attention]、状态 [state] 以及指令 [instruction]）。
  • 提供了系统化视角，整理了机器人意图传达这一领域中存在的研究模式和实践。

• 实施步骤：

  1. 文献搜索并筛选: 使用 ACM、IEEE Xplore 和 ScienceDirect 数据库，通过系统关键词搜索，共筛选出 77 篇符合条件的研究文献。
  2. 建立意图沟通模型: 系统提取文献中的意图传达要素，分类归纳出五个主要方面：目标、机器人类型、意图类型、意图信息、以及人类角色。
  3. 模型细化:
     • 根据意图传递的信息内容，细分为空间相关信息 (Spatial Information) 和时间相关信息 (Temporal Information)。
     • 根据意图表达的地点进行分类，例如机器人本体（on-robot）、环境中（on-world）以及人类配件（on-human）。

研究成果

• 具体成果:

  • 提出并明确了 意图沟通模型，通过实体和维度分析（机器人类型、意图类型、人类角色等）揭示了不同意图的分类及其关联。
  • 对意图传达进行了详细分类 (运动意图、注意力意图、状态意图和指令意图)，明确了这些类型的功能及其相互关系。
  • 对意图信息（包括空间和时间属性）及其传达位置提供了系统化视角，并对相关实验研究进行了总结和比较。

• 与现有方案的比较优势:

  • 概念统一: 解决了当前术语不清及研究方向分散的问题，为未来的研究提供了分类框架。
  • 普适性高: 模型适用于各种机器人类型（机械臂、移动机器人、人形机器人）和不同的互动场景。

• 实验或评估结果:

  • 例如，在实验中使用增强现实 (AR) 工具的机器人意图展示能显著提升用户对于机器人的信任感和安全感，减少任务干扰。
  • 比较直接投影（on-world）、头显设备（on-human）、以及机器人本身（on-robot）的效果，发现多模式方法可提升交互效率。

• 局限性与未来方向:

  • 局限性:
    • 当前研究多数聚焦于单一机器人与单一人类交互的场景，没有广泛涉及多用户或多机器人协同场景。
    • 对“意图”类型的分类和属性还有进一步拓展的空间。
  • 未来方向:
    • 探索多用户场景下意图沟通的设计、最佳实践和技术挑战。
    • 建立更广泛的跨领域联系，例如与自动驾驶汽车的交互系统 (eHMIs) 的研究结合。
    • 系统对比空间相关信息（registered in space）和抽象型信息的优势与适用场景。

以上内容提供了一篇层次分明且基于结构化模型的综述，为当前以及未来的机器人意图传达研究奠定了理论基础与实践指导。