面向腿部机械手的人类式交接时序性能研究

为人类-机器人交接任务部署感知模块具有挑战性，因为需要高度的响应性、泛化能力和鲁棒性才能在多样化的物体中可靠工作。进一步的问题是每个物体可以以多种方式交接，可能导致遮挡和视角变化。在腿部机器人上部署尤其具有挑战性，因为计算资源有限以及运动导致的额外图像噪声。本文介绍了一种高效且与物体无关的实时跟踪框架，专为人类与腿部机械手之间的交接任务设计。该方法将快速光流与基于Siamese网络的跟踪和深度分割结合在自适应卡尔曼滤波框架中。我们在腿部机械手系统中展示了人机交接跟踪的最新性能。我们通过不同交接场景的实验和用户研究展示了系统的泛化能力、响应性和鲁棒性。此外，由于时序已被证明在人类-机器人交互任务中比空间精度更重要，我们不仅在交接时间和反应时间等客观指标上展示了接近人类的时序性能，还考虑了用户研究中参与者的主观指标。