优化工作空间布局技术以改善人机协作中人体运动预测

理解人类意图对于安全有效的人机协作至关重要。虽然最先进的人类目标预测方法使用学习模型来解释人体运动数据的不确定性，但该数据本质上是随机的且方差很大，阻碍了这些模型在需要协调的交互任务中的效用，包括安全关键或近距离任务。我们的关键洞见是，机器人队友可以在交互之前故意配置共享工作空间，以减少人体运动的方差，从而实现与分类器无关的目标预测改进。在这项工作中，我们提出了一种算法方法，让机器人安排物理对象并在共享的人机工作空间中使用增强现实投影“虚拟障碍物“，针对给定任务集优化人类可读性。我们使用两项人类受试者研究比较了我们的方法与其他工作空间安排策略，一个在虚拟2D导航领域，另一个在涉及机器人机械臂的实时桌面操作领域。我们评估了从每种条件学习的人体运动预测模型的准确性，表明我们的虚拟障碍物工作空间优化技术能够以更少的训练数据实现更高的机器人预测准确性。