Giving Sense to Inputs: Toward an Accessible Control Framework for Shared Autonomy
Idiap Research Institute(伊迪亚普研究所);EPFL(洛桑联邦理工学院)
提出一种将2D摇杆输入动态映射到6D机器人运动的框架,通过管状曲面轨迹定义控制框架,用户研究表明其降低了工作负荷并提升了可用性,且在轮椅用户的探索性研究中验证了可行性。
2025-01-28 cs.HC cs.RO
Natural Gradient Shared Control
Machine Learning and Robotics Lab, University of Stuttgart(斯图加特大学机器学习与机器人实验室);Max Planck Institute for Intelligent Systems(马克斯·普朗克智能系统研究所)
我们提出了一个形式主义的共享控制,这是定义一个政策,融合用户控制和自主控制的问题。共享自治系统带来的挑战是在允许机器人支持用户的同时保持用户控制权限。这可以通过强制约束或在意图明确时采取最佳行动来实现。我们提出的解决方案依赖于自然梯度出现的机器人和共享政策之间的分歧约束。我们近似的Fisher信息采样学习机器人的政策和计算局部梯度,以增加用户控制时,必要的。对操作任务进行的用户研究表明,我们的方法可以更有效地完成任务,同时保持对一些基线方法的控制权。
2020-07-30 cs.RO
User-customizable Shared Control for Robot Teleoperation via Virtual Reality
Institute for Experiential Robotics (IER)(体验式机器人研究所(IER));Northeastern University(东北大学);Amazon(亚马逊公司)
该研究提出一种用户可定制的VR机器人遥操作共享控制方法,让用户可直接观察编辑仲裁参数,经两周用户实验验证,该方法在任务精准度与流畅度上优于直接遥操作和传统共享控制。
2024-08-14 cs.RO
Beyond Omakase: Designing Shared Control for Navigation Robots with Blind People
University of Maryland, College Park(马里兰大学学院公园分校);IBM Research - Tokyo(IBM东京研究院);Waseda University(早稻田大学);Miraikan - The National Museum of Emerging Science and Innovation(未来馆(日本未来科学馆))
本研究通过两项视障参与者实验,提出共享控制设计策略,发现用户偏好“老板”模式管理人群互动,强调用户参与对社交导航机器人的重要性。
2025-03-31 cs.HC cs.RO
Effects of Shared Control on Cognitive Load and Trust in Teleoperated Trajectory Tracking
The University of Melbourne(墨尔本大学)
该研究针对遥操作任务中操作员易负荷过载的问题,通过24人用户实验探究共享控制下机器人自主性与人类认知负荷、信任的关系,发现二者无明确交互而是独立运作,为开发更适配的辅助机器人系统提供关键依据。
2024-12-06 cs.HC cs.RO
Enabling Shared-Control for A Riding Ballbot System
University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
本研究针对自平衡骑乘式球机器人PURE,提出基于新型被动人工势场的共享控制避障方法,经20名受试者实验验证,可在不影响速度的前提下减少碰撞、降低认知负荷,填补了辅助移动领域相关研究空白。
2024-09-11 cs.RO
Legible Shared Autonomy: Implicit Communication of Robot Belief through Motion
Department of Automation, University of Science and Technology of China(自动化系,中国科学技术大学);Department of Automation, Hefei University of Technology(自动化系,合肥工业大学);National Key Laboratory of Autonomous Intelligent Unmanned Systems(自主智能无人系统国家重点实验室)
针对共享自主系统中机器人意图不透明导致用户控制效率低的问题,提出通过可理解运动隐式传达机器人信念,并基于置信度自适应分配控制权,实验证明该方法显著提升用户对机器人信念的理解并减少控制负担。
2026-07-16 cs.HC cs.RO
Haptic Feedback Improves Human-Robot Agreement and User Satisfaction in Shared-Autonomy Teleoperation
Boston University(波士顿大学)
共享自主遥操作可以保证安全,但这样做通过减少人类操作员的控制权限,这可能会导致降低水平的人-机器人协议和用户满意度。本文提出了一种新的触觉共享自主遥操作范式,使用触觉反馈通知用户的内部状态的共享自主范式,同时仍然保证安全。这与触觉共享控制不同,触觉共享控制使用触觉反馈来通知用户的动作,但是给予人类操作员对机器人的动作的完全控制。我们进行了一项用户研究,其中12名用户驾驶一架模拟无人机在搜索和救援任务中没有任何帮助或帮助提供的触觉共享控制,共享自主权,或触觉共享自主权。所有的辅助遥操作方法都使用控制屏障功能来找到既安全又尽可能接近人类生成的控制命令的控制命令。对于具有触觉反馈的辅助遥操作条件,我们向用户施加与人类生成的控制和安全控制之间的差异成比例的力。我们发现,触觉共享的自主性提高了用户的任务性能和满意度。我们还发现,辅助遥操作中的触觉反馈可以提高用户的态势感知。最后,结果表明,加入触觉反馈共享自主遥操作可以提高人与机器人的一致性。
2021-03-05 cs.RO cs.SY eess.SY
Adaptive Control in Assistive Application -- A Study Evaluating Shared Control by Users with Limited Upper Limb Mobility
German Research Center for Artificial Intelligence (DFKI)(德国人工智能研究中心);TU Dortmund University(多特蒙德工业大学);University of Duisburg-Essen(杜伊斯堡-埃森大学);Frankfurt University of Applied Sciences(法兰克福应用科学大学)
本研究针对上肢活动受限用户,提出并评估了一种自适应自由度共享控制方法,通过24名参与者在三种输入设备上的日常任务试验,验证了该方法在不同设备下均能实现高完成率和快速适应。
2024-06-10 cs.AI cs.HC cs.RO
The Brain-Inspired Cooperative Shared Control Framework for Brain-Machine Interface
Shenzhen Institute of Advanced Technology, CAS(中国科学院深圳先进技术研究院);University of Chinese Academy of Sciences(中国科学院大学);Tsinghua Shenzhen International Graduate School(清华大学深圳国际研究生院);Tsinghua University(清华大学)
针对脑机接口中神经信号信息量低且噪声高的问题,提出基于脑启发智能的协同共享控制框架,利用脉冲神经网络控制机械臂与轮子,显著提升了系统性能与临床应用潜力。
2024-10-12 cs.HC cs.RO cs.SY
A General Arbitration Model for Robust Human-Robot Shared Control with Multi-Source Uncertainty Modeling
Duke University(杜克大学);Colorado School of Mines(科罗拉多矿业学院)
遥操作中的共享控制充分利用了人和机器人的优势,在降低遥操作机器人的难度和提高任务性能方面具有很大的优势。共享控制中的一个基本问题是如何有效地将控制权分配给人和机器人。由于研究者主观地按照相互矛盾的原则来确定仲裁策略,导致了仲裁策略的不一致性。我们将这种不一致性归因于人-机器人系统中多资源不确定性的不可克服性。为了填补这一空白,我们开发了一个多源的不确定性模型,适用于各种类型的不确定性在现实世界中,然后一个通用的仲裁模型,综合融合的不确定性和调节仲裁权重分配给机器人代理。除了传统的宏观性能指标,我们引入了客观和定量的机器人的帮助和友好性的指标,评估辅助机器人的合作在微观和宏观层面。仿真和实验结果表明,新的仲裁模型比现有的策略更有效和友好,并对处理多源不确定性具有鲁棒性。有了这个新的仲裁模型,我们希望在实际和复杂的遥操作任务中越来越多地采用人机共享控制。
2020-03-11 cs.RO
Human Preferences and Robot Constraints Aware Shared Control for Smooth Follower Motion Execution
Nagoya University(名古屋大学);Technical University of Darmstadt(达姆施塔特工业大学)
本文提出一种考虑操作者偏好与从机约束的交替共享控制框架,通过结合手部位姿与机器人可操作性生成抓取位姿,实现手动与自动模式平滑切换,有效降低操作负荷并提升从机运动平滑度。
2023-07-31 cs.RO
Pareto efficiency in synthesizing shared autonomy policies with temporal logic constraints
University of Pennsylvania(宾夕法尼亚大学)
本文提出一种两阶段策略合成算法,用于生成帕累托高效的协调与控制策略,通过整合Tchebychev标量化方法以优化人类努力与系统性能之间的平衡。
2014-12-18 cs.HC cs.RO cs.SY
Human-AI Shared Control via Policy Dissection
Centre for Perceptual and Interactive Intelligence(感知与交互智能中心);ETH Zurich(苏黎世联邦理工学院);University of Edinburgh(爱丁堡大学);University of California Los Angeles(加利福尼亚大学洛杉矶分校)
人机共享控制允许人类与人工智能交互和协作,以完成复杂环境中的控制任务。以往的强化学习(RL)方法试图通过目标条件化设计来实现人类可控的策略,但代价是重新设计奖励函数和训练范式。受神经科学方法研究灵长类动物运动皮层的启发,我们开发了一种简单而有效的基于频率的方法,称为\textit{Policy Dissection},将学习到的神经控制器的中间表示与代理行为的运动学属性对齐。在不修改神经控制器或重新训练模型的情况下,所提出的方法可以将给定的RL训练策略转换为人机交互策略。我们评估所提出的方法上的RL任务的自动驾驶和运动。实验结果表明,在驾驶任务中,通过策略分解实现的人-AI共享控制可以显著提高不可见交通场景中的性能和安全性。在人类参与的情况下,运动机器人也表现出灵活的可控运动技能,即使它们只被训练向前移动。我们的研究结果表明,通过解释自主智能体的学习表示来实现人类-AI共享自主性是有希望的方向。演示视频和代码将在https://metadriverse.github.io/policydissect上提供。
2023-03-02 cs.AI cs.RO
Shared-Control Teleoperation of Omnidirectional Aerial Robots for Continuous Valve Rotation
The University of Tokyo(东京大学)
本研究针对全向空中机器人遥操作无法连续旋转阀门的问题,提出基于前臂角度阈值切换控制权的共享控制方法,实现了阀门连续旋转,推进了空中遥操作技术发展。
2026-10-14 cs.RO
Learning Arbitration for Shared Autonomy by Hindsight Data Aggregation
University of Stuttgart(斯图加特大学);Max Planck Institute for Intelligent Systems(马克斯·普朗克智能系统研究所)
在本文中,我们提出了一个框架的取放任务的遥操作。我们定义了一个共享的控制策略,允许混合之间的直接用户控制和自主控制的基础上,用户的意图推断。共享自治系统的主要挑战之一是定义仲裁功能,它决定何时让自主智能体接管。在这项工作中,我们提出了一个模型和训练方法来学习仲裁功能。我们的模型是基于一个递归神经网络,作为输入的状态,意图预测分数和用户命令,以产生用户和机器人命令之间的仲裁。这项工作扩展了我们以前在共享自治的可区分政策方面的工作。为了进一步训练端到端的共享自治系统,需要策略的可区分性。在这项工作中,我们提出了训练的仲裁功能,通过使用数据从用户执行的任务与共享控制。我们提出了初步的结果,通过远程操作的夹具在虚拟环境中使用预先训练的运动生成和意图预测。我们将我们的数据聚合训练过程与手工仲裁函数进行比较。我们的初步结果显示了该方法的有效性,并揭示了我们认为在共享自治系统中需要用户适应性的局限性。
2019-06-28 cs.RO
Exploring AI-enhanced Shared Control for an Assistive Robotic Arm
TU Dortmund University(多特蒙德工业大学);University of Duisburg-Essen(杜伊斯堡-埃森大学);Westphalian University of Applied Sciences(威斯特法伦应用科学大学)
本研究探索将AI集成到辅助机械臂的共享控制中,旨在降低用户认知负担和运动技能需求,同时保持人类控制权,以实现个人自主性。
2024-07-18 cs.AI cs.HC cs.RO
Robot Trajectron V2: A Probabilistic Shared Control Framework for Navigation
KU Leuven(卢森堡大学);University of Washington(华盛顿大学)
提出机器人轨迹预测器V2(RT-V2),一种概率共享控制框架,通过联合建模意图先验与实时后验,在合成、人机交互和脑机接口实验中实现优于现有技术的意图估计与安全高效导航。
2025-09-24 cs.RO
Shared Control Based on Extended Lipschitz Analysis With Application to Human-Superlimb Collaboration
Massachusetts Institute of Technology(麻省理工学院)
本文提出基于扩展Lipschitz分析的人机共享控制方法,通过添加新变量降低Lipschitz商,将可预测情况分配给机器人反应控制,不可预测情况交由人类,并应用于偏瘫患者进食任务中的超数肢体协作。
2023-09-01 cs.RO
Residual Policy Learning for Shared Autonomy
Toyota Technological Institute at Chicago(丰田工业大学芝加哥分校)
共享自治为人机协作提供了一个有效的框架,利用人类和机器人的互补优势来实现共同的目标。许多现有的共享自治方法都做出了限制性的假设,即目标空间、环境动态或人类策略是先验已知的,或者仅限于离散的动作空间,从而阻止了这些方法扩展到复杂的现实世界环境。我们提出了一个无模型的,剩余的策略学习算法共享自治,强调这些假设的需要。我们的智能体经过训练,可以最小限度地调整人类的行为,从而满足一组与目标无关的约束。我们在两个连续的控制环境中测试我们的方法:月球着陆器,一个二维飞行控制域,和一个6自由度的四旋翼达到任务。在人类和代理飞行员的实验中,我们的方法显着提高了任务性能,而没有任何知识的人的目标超出了限制。这些结果突出了无模型深度强化学习的能力,以实现适合于连续控制设置的辅助代理,用户意图的知识很少。
2020-07-10 cs.RO
Safe and Stable Teleoperation of Quadrotor UAVs under Haptic Shared Autonomy
Boston University(波士顿大学);Mechanical Engineering(机械工程学院)
该研究在触觉共享自主框架下,结合控制屏障函数与微分约束提出两种控制-力反馈设计路径,实现四旋翼无人机触觉遥操作的安全稳定,并通过仿真与实体实验验证方法特性。
2024-03-22 cs.RO
A Barrier Pair Method for Safe Human-Robot Shared Autonomy
The University of Texas at Austin(德克萨斯大学奥斯汀分校)
共享自治提供了一个框架,其中人类和自动化系统(如机器人)共同控制系统的行为,从而为各种应用(包括人机交互)提供有效的解决方案。然而,在共享自治的一个具有挑战性的问题是安全性,因为人类的输入可能是未知的和不可预测的,这影响了机器人的安全约束。如果人类输入是通过与机器人的物理接触施加的力,它也会改变机器人的行为以保持安全。我们提出了一个两层的控制框架,以解决在实时应用程序中的共享自治的安全问题。在第一层中,我们使用人类输入测量的历史来推断人类希望机器人做什么,并根据该推断来定义机器人的安全约束。在第二层中,我们制定了一个快速探索的随机树的障碍对,与每个障碍对组成的障碍函数和控制器。使用这些屏障对中的控制器,机器人能够在人类输入的干预下保持其安全操作。该控制框架允许机器人帮助人类,同时防止他们遇到安全问题。我们证明了所提出的控制框架上的两连杆机械手机器人的模拟。
2021-12-01 cs.RO math.OC
Shared Autonomy via Variable Impedance Control and Virtual Potential Fields for Encoding Human Demonstration
Indian Institute of Technology Gandhinagar(印度甘地讷格尔印度理工学院);Technische Universität Wien (TU Wien)(维也纳工业大学);German Aerospace Center (DLR)(德国航空航天中心)
本文提出融合时不变势场运动生成、VIC、力控制与能量罐无源化的共享自主框架,可从人类演示编码复杂安全技能,并经仿真和 Franka 机器人实验验证。
2024-04-08 cs.RO
FlashBack: Consistency Model-Accelerated Shared Autonomy
Toyota Technological Institute at Chicago(丰田技术研究所(芝加哥))
针对共享自主性中扩散方法计算复杂、难以实时的问题,提出基于一致性模型和概率流常微分方程的单步生成框架CSA,实现实时辅助,并在模拟和真实机器人任务中显著提升性能与效率。
2025-05-27 cs.RO
AdaptiX -- A Transitional XR Framework for Development and Evaluation of Shared Control Applications in Assistive Robotics
TU Dortmund University(多特蒙德工业大学);University of Duisburg-Essen(杜伊斯堡-埃森大学);German Research Center for Artificial Intelligence (DFKI)(德国人工智能研究中心)
针对辅助机器人用户输入与软件控制脱节的问题,研究团队提出开源AdaptiX XR框架,支持高分辨率仿真环境下的共享控制应用开发评估,还可通过ROS集成实现无差距的真实机械臂控制,助力HRI研究快速迭代。
2024-05-17 cs.AI cs.HC cs.RO
Characterization of Assistive Robot Arm Teleoperation: A Preliminary Study to Inform Shared Control
Northwestern University(西北大学);Shirley Ryan AbilityLab(雪莉·瑞安能力实验室)
辅助机器人设备可以提高运动障碍者的独立性。然而,每个人的受伤程度、偏好和技能都是独一无二的,而且会随着时间的推移而变化。此外,由于疼痛或疲劳,或者由于康复、衰弱状况或衰老,所需的辅助量可能在一天中变化。因此,为了成为一个有效的团队成员,辅助机器应该能够学习和适应人类用户。要做到这一点,我们需要能够描述用户的控制命令,以确定何时以及如何改变自主性,以最好地帮助用户。我们进行了一个20人的试点研究,以建立一组有意义的性能指标,可用于表征用户的控制信号,并作为线索的自主修改的水平和援助量。我们的研究包括8个脊髓损伤和12个未受伤的人。结果揭示了一组客观的,运行时可计算的指标,与用户感知的任务难度,因此可以使用的自主系统时,决定是否需要援助。结果进一步表明,评估用户与机器人设备,机器人执行,和感知的任务难度的交互的指标显示脊髓损伤和未受伤的群体之间的差异,并受到所使用的控制界面的类型。结果将用于开发一个适应性强,以用户为中心,个性化定制的共享控制算法。
2020-07-31 cs.RO
Continuous Wrist Control on the Hannes Prosthesis: a Vision-based Shared Autonomy Framework
Istituto Italiano di Tecnologia, Humanoid Sensing and Perception(意大利技术研究所,人形感知与感知实验室);Dipartimento di Informatica, Bioingegneria, Robotica e Ingegneria dei Sistemi (DIBRIS), University of Genova(基因瓦大学信息学院、生物工程、机器人与系统工程系);Istituto Italiano di Tecnologia, Rehab Technologies(意大利技术研究所,康复技术)
针对现有假肢抓握控制忽略腕部运动、需使用者代偿的问题,提出基于视觉的共享自主框架,实现Hannes假肢腕部连续自然控制,经定量验证后完成部署。
2025-10-01 cs.CV cs.RO cs.SY
Distributed Virtual Model Control for Scalable Human-Robot Collaboration in Shared Workspace
Department of Engineering, University of Cambridge(工程系,剑桥大学)
本文提出一种分布式虚拟模型控制框架,通过去中心化方法实现安全的人机协作,有效解决死锁问题并提升协作效率。
2026-02-19 cs.RO cs.SY eess.SY
Visualization of Intended Assistance for Acceptance of Shared Control
University of Colorado Boulder(科罗拉多大学博尔德分校);ATLAS Institute(ATLAS研究所)
在共享控制中,自主机器人技术的进步被应用于帮助人类用户操作机器人系统。虽然这些系统已被证明可以提高效率和操作成功率,但用户并不总是接受通过与辅助控制器一起工作而产生的新控制范例。性能和接受度之间的这种不匹配可能会阻止用户利用共享控制系统的优势进行机器人操作。为了解决这种不匹配,我们开发了多种类型的可视化,以提高辅助控制器的易读性和可预测性,然后进行用户研究,以评估这些可视化对用户接受共享控制系统的影响。我们的研究结果表明,共享控制可视化必须仔细设计才能有效,用户需要提高辅助控制器的易读性和可预测性的可视化,以便自愿放弃控制。
2020-08-25 cs.HC cs.RO
A Workload Adaptive Haptic Shared Control Scheme for Semi-Autonomous Driving
University of Michigan(密歇根大学);U.S. Army Ground Vehicles System Center(美国陆军地面车辆系统中心);Toyota Research Institute(丰田研究院)
触觉共享控制用于管理半自动驾驶中人与自主智能体之间的控制权限分配。然而,现有的触觉共享控制方案没有充分考虑人类代理。为了填补这一研究空白,本研究提出了一种触觉共享控制方案,适应人类操作员的工作量,眼睛在道路上和输入扭矩的实时。我们对24名参与者进行了人在回路实验。在实验中,一个人类操作员和一个自主导航模块以固定的速度共享一个模拟的概念性高机动性多用途轮式车辆(HMMWV)的控制。与此同时,人类操作员执行目标检测任务进行监视。自主性对上述人为因素既可以是适应性的,也可以是非适应性的。结果表明,自适应触觉控制方案导致显着降低工作量,更高的信任,自主性,更好的驾驶任务的性能和更小的控制努力。
2020-03-31 cs.HC cs.RO
Haptic Shared Control for Dissipating Phantom Traffic Jams
Delft University of Technology(代尔夫特理工大学)
高速公路上发生的交通堵塞导致旅行时间增加以及燃料消耗和碰撞增加。没有明确原因的交通堵塞,如匝道或事故,被称为幻影交通堵塞,据说占所有交通堵塞的50%。它们是由人类驾驶行为引起的不稳定交通流的结果。自动化的纵向车辆运动只有5%的所有汽车在流可以消除幻影交通堵塞。然而,当人类驾驶员需要从自动化系统接管控制时,驾驶自动化会带来安全问题。我们研究是否幻影交通堵塞可以溶解使用触觉共享控制。这使人类处于循环中,从而绕过了人类接管控制能力有限的问题,同时受益于自动化的大多数优势。在驾驶模拟器中有24名参与者的实验中,我们测试了触觉共享控制对交通流动态的影响,并将其与手动控制和全自动控制进行了比较。我们还研究了两种控制类型对模拟无声自动化故障期间参与者行为的影响。结果表明,触觉共享控制可以帮助消除幻影交通堵塞比完全手动控制,但不如完全自动化。我们还发现,与完全自动化相比,触觉共享控制减少了由无声自动化故障引起的不安全情况的发生。我们的研究结果表明,触觉共享控制可以消除虚幻的交通堵塞,同时防止与全自动化相关的安全风险。
2022-12-22 cs.HC cs.RO
Simultaneous Achievement of Driver Assistance and Skill Development in Shared and Cooperative Controls
Ritsumeikan University(立命馆大学)
先进的驾驶辅助系统成功地减少了驾驶员的工作量并提高了安全性。另一方面,过度使用这种系统会阻碍驾驶技能的发展。然而,存在协作驾驶员辅助系统,包括共享和协作控制,其可以在适当的系统设置下促进辅助系统与人类操作员之间的有效协作。鉴于有效的协作设置,我们的目标是同时开发或保持驾驶技能,同时减少工作量。由于这种系统及其方法的研究很少,我们讨论了一种方法,考虑在技能培训领域的相关概念,应用共享和合作控制。通过触觉共享控制辅助的反向停车被呈现为在辅助期间提高性能的手段,而辅助之后的技能提高被用于展示通过减少工作量和技能提高来同时实现驾驶员辅助的可能性。
2019-07-01 cs.HC cs.RO
Generalized Shared Control versus Classical Shared Control: Illustrative Examples
共享控制将操作员输入和自主输入融合到单个命令中。然而,如果环境或操作员预测是多模态的,那么现有技术的方法在安全性、效率和操作员自主协议方面是次优的:即使在温和的挑战性条件下,现有方法也可以将两个安全输入融合到一个不安全的共享控制中[13]。多模态条件在许多现实世界的应用中是常见的,例如搜索和救援机器人导航灾区,面临通信退化的遥控机器人以及辅助驾驶技术。在[11,13]中,我们介绍了一种称为广义共享控制(GSC)的新方法,该方法同时优化自治目标(例如,安全和效率)和多模式条件下的操作员自主协议;这种最优性防止了这种不安全的共享控制。在本文中,我们描述了这些结果在更用户友好的语言,通过使用插图和文字。
2017-05-28 cs.RO
Cyber Racing Coach: A Haptic Shared Control Framework for Teaching Advanced Driving Skills
Department of Mechanical Engineering, University of Michigan(机械工程系,密歇根大学);Toyota Research Institute(丰田研究院)
本研究提出基于触觉共享控制的Cyber Racing Coach框架,含可协作的高性能自动驾驶系统与随表现渐隐的转向辅助机制,经人体实验验证,相比自学与全辅助基准更能帮助驾驶员习得优质赛车技能,提升表现与稳定性。
2025-10-04 cs.HC cs.RO
Active Intent Disambiguation for Shared Control Robots
Northwestern University(西北大学);Shirley Ryan AbilityLab(雪莉·瑞安能力实验室)
辅助共享控制机器人有可能改变数百万患有严重运动障碍的人的生活。共享控制机器人的有用性通常依赖于潜在的自主能力来推断用户的需求和意图,并且明确地这样做的能力通常是自信和准确地提供适当帮助的限制因素。本文的贡献有四个方面。首先,我们介绍了通过控制模式选择的意图消歧的想法,并提出了同样的数学形式主义。其次,我们开发了一种控制模式选择算法,该算法选择的控制模式中,用户发起的运动有助于自主性,最大限度地消除用户的意图。第三,我们提出了一个试点研究与八个主题,以评估消歧算法的有效性。我们的研究结果表明,消歧系统(a)有助于显着减少任务的努力,按下按钮的数量来衡量,(b)是更有限的控制界面和更复杂的任务更大的效用。我们还观察到(c)受试者表现出广泛的消歧请求行为,其共同点是在执行早期集中请求。作为我们的最后一个贡献,我们引入了一种新的领域理论的意图推理的方法,灵感来自动态场理论,与消歧计划。
2020-05-07 cs.HC cs.RO
Validation of critical maneuvers based on shared control
针对自动驾驶关键机动,本文提出含仲裁模块的共享控制架构,并通过8名驾驶员的动态模拟器实验验证其可提升安全性与接受度。
2024-04-05 cs.CY cs.HC cs.RO
A Bayesian optimization framework for the automatic tuning of MPC-based shared controllers
Eindhoven University of Technology(埃因霍温理工大学);Delft University of Technology(代尔夫特理工大学);Philips IGT Systems Mechatronics(飞利浦IGT系统机电一体化)
本文提出一种贝叶斯优化框架,用于自动整定基于MPC的共享控制器,并在图像引导治疗机器人上通过VR用户实验验证了其性能提升和泛化能力。
2023-11-02 cs.RO
Operation and Imitation under Safety-Aware Shared Control
Northwestern University(西北大学);Shirley Ryan AbilityLab(雪莉·瑞恩能力实验室)
我们描述了一个共享的控制方法,可以在不了解任务的情况下,用于改善人类对动态系统的控制,用作训练机制,并与模仿学习结合使用,以生成重新创建新行为的自主策略。我们的算法引入了自主性,通过强制执行安全和稳定性约束来帮助人类伙伴。自主智能体没有所需任务的先验知识,因此仅在关注系统安全时才添加控制信息。我们评估了我们的方法与人类受试者的研究,包括20名参与者的有效性。我们发现,我们的共享控制算法显着提高了用户能够成功地执行新的行为的速度。实验结果表明,我们的安全意识共享控制算法的好处也扩展到人类的合作伙伴的系统和他们的控制技能的理解。最后,我们展示了如何结合我们的安全意识共享控制算法和模仿学习可以用来自主地重新创建演示的行为。
2019-05-26 cs.RO
Sharing but Not Caring: Similar Outcomes for Shared Control and Switching Control in Telepresence-Robot Navigation
Faculty of Information Technology and Electrical Engineering, University of Oulu(奥卢大学信息科技与电气工程学院);Department of Advanced Computing Sciences, Maastricht University(马斯特里赫特大学高级计算科学系)
本研究开发并评估了远程临场机器人导航中的共享控制方法,与切换控制相比,共享控制保持效率但未显著降低任务负荷,需进一步研究影响因素。
2025-09-06 cs.RO
Human-Centered Cooperative Control Coupling Autonomous and Haptic Shared Control via Control Barrier Function
Nara Institute of Science and Technology(奈良科学技术大学)
本文提出一种结合自主控制与力反馈共享控制的协作框架,通过控制屏障函数提升远程操作任务的精度和效率。
2025-11-25 cs.RO
Indirect Shared Control of Highly Automated Vehicles for Cooperative Driving between Driver and Automation
Department of Bioengineering, Imperial College London(帝国理工学院生物工程系)
本文提出一种线控转向车辆的间接共享控制方案,通过加权求和平衡控制目标并建模驾驶员自适应行为,结合滑动窗口检测器监控意图切换控制权,实现驾驶员与自动驾驶协同驾驶。
2017-04-04 cs.RO
Goal Estimation-based Adaptive Shared Control for Brain-Machine Interfaces Remote Robot Navigation
Osaka University(大阪大学)
本研究提出一种基于脑机接口的远程机器人导航共享控制方法,通过估计用户预期目标生成高频连续辅助命令,并结合置信度自适应融合用户与自主命令,解决了BMI输入低频、离散和不确定的问题。
2024-07-25 cs.RO
Integrating Open-World Shared Control in Immersive Avatars
University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);Department of Computer Science(计算机科学系);Department of Mechanical Science and Engineering(机械科学与工程系)
针对遥操作化身机器人操作员任务完成能力不及亲自操作的问题,提出融合开放世界共享控制的框架,通过统一界面、减少视野遮挡保留接口流畅性,实验证实其能显著提升任务完成速度与可靠性。
2024-07-11 cs.RO
HITL-D: Human In The Loop Diffusion Assisted Shared Control
Department of Computing Science, University of Alberta(阿尔伯塔大学计算机科学系)
本文提出HITL-D框架,通过结合扩散策略和人类控制,提升多步骤、插入和精细操作任务的用户表现,减少 joystick 控制轴数量,降低认知负荷,并在多任务用户研究中显著提高任务完成速度和用户满意度。
2026-05-20 cs.AI cs.HC cs.RO
Toward Adaptive Cooperation: Model-Based Shared Control Using LQ-Differential Games
Balint Varga(巴林特·瓦尔加)
本文针对人机共享控制中人类自适应行为带来的辨识与设计难题,提出基于线性二次微分博弈的在线辨识与自适应共享控制方法,并通过仿真和人在回路实验验证其有效性。
2024-03-17 cs.RO cs.SY eess.SY
Capability-Aware Arbitration for Semantic Intent-Based Shared Control
Colorado School of Mines(科罗拉多矿业大学);University of Pennsylvania(宾夕法尼亚大学)
提出一种能力感知共享控制框架,利用VLM意图置信度与VLA能力置信度通过Sigmoid仲裁分配机器人权限,实验表明该方法在任务成功率(92%)和用户体验上优于基线,有效缓解过度帮助。
2026-09-23 cs.RO
Minimal Intervention Shared Control with Guaranteed Safety under Non-Convex Constraints
Aalto University(阿alto大学)
本文提出了一种考虑约束的辅助控制器,通过在线计算控制动作,确保递归可行性、严格约束满足和最小偏离用户意图,适用于非凸约束的现实场景。
2026-03-17 cs.HC cs.RO cs.SY
Research on fuzzy PID Shared control method of small brain-controlled uav
School of Electrical and Information Engineering, Tianjin University(天津大学电气与信息工程学院)
本文针对脑控无人机在信号识别精度、时间限制和命令数量方面的不足,提出基于共享控制的模糊PID辅助控制器,实现自动控制与脑控制的协同,通过评估当前飞行状态和设置切换率来决定自动控制与脑控制的切换机制,提升系统控制性能,并通过矩形轨迹跟踪实验验证算法有效性。
2019-05-29 cs.HC cs.RO cs.SY
Learning Personalized Safety Interventions for Haptic Human-Robot Shared Control
研究针对现有触觉引导系统不足,提出LfH框架,通过从稀疏演示中学习用户偏好的安全干预,基于可微CBF优化层自动调整参数,经实验验证可学习个性化安全干预并减少反馈与偏好的不匹配。
2026-07-23 cs.RO
A Study of Shared-Control with Force Feedback for Obstacle Avoidance in Whole-body Telelocomotion of a Wheeled Humanoid
University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
远程操作已经成为完全自主系统的替代解决方案,用于在类人机器人上实现人类水平的能力。具体来说,具有全身控制的遥操作是一种很有前途的免提策略来命令类人机器人,但需要更多的体力和脑力。为了缓解这一限制,研究人员提出了共享控制方法,将机器人决策纳入其中,以帮助人类完成低级任务,进一步减少操作工作量。然而,共享控制方法的轮式人形telelocomotion在全身水平上还有待探索。在这项工作中,我们研究了全身反馈如何影响不同的共享控制方法在不同环境中避障的性能。提出了一种基于时间导数的S形函数(TDSF),以产生更直观的障碍物力反馈。进行了全面的人体实验,结果得出结论,力反馈增强了在陌生环境中的全身远程运动性能,但可能会降低在熟悉环境中的性能。通过触觉传达机器人的意图显示了进一步的改进,因为操作员可以利用力反馈进行短距离规划,并利用视觉反馈进行长距离规划。
2022-09-12 cs.RO
Passive Variable Impedance For Shared Control
German Aerospace Center (DLR), Robotics and Mechatronics Center(德国航空航天中心(DLR),机器人与机电中心)
本文研究了共享控制中可变刚度和控制器仲裁的稳定性,通过加权叠加输出力矩实现整体框架,解决闭环系统中的被动性问题,验证了方法的有效性。
2026-07-08 cs.RO
Haptic Shared Control Improves Neural Efficiency During Myoelectric Prosthesis Use
Johns Hopkins University(约翰斯·霍普金斯大学);Drexel University(德雷塞尔大学);University of Pennsylvania(宾夕法尼亚大学);Children’s Hospital of Philadelphia(费城儿童医院)
临床肌电假肢缺乏有效和准确地完成日常生活活动所需的感觉反馈和足够的灵活性。已经分别示出了向用户提供相关环境提示的触觉反馈或使假体具有自主控制权限以提高假体效用。然而,很少有研究调查了在共享控制范式中结合这两种方法的效果,也没有从神经效率(直接从大脑测量的任务绩效和心理努力之间的关系)的角度评估这种方法。在这项工作中,我们分析了30名非截肢者参与者在一个易碎物体的抓取和提升任务中的神经效率。在这里,一个肌电假肢具有振动触觉反馈的抓地力和自主控制的抓地力进行了比较,与标准的肌电假肢有和没有振动触觉反馈。作为一个衡量心理努力的指标,我们在实验过程中使用功能性近红外光谱技术捕获了前额叶皮层活动的变化。结果表明,只有触觉共享控制系统,使用户能够实现高的神经效率,和振动触觉反馈是重要的把握与适当的握力。这些结果表明,触觉共享控制系统协同结合了触觉反馈和自主控制器的好处,并准备好通知这种混合进步的肌电假肢技术。
2022-05-27 cs.RO
KUKAloha: A General, Low-Cost, and Shared-Control based Teleoperation Framework for Construction Robot Arm
Department of Civil and Environmental Engineering, University of Michigan, United States of America(密歇根大学土木与环境工程系);Department of Robotics, University of Michigan, United States of America(密歇根大学机器人系)
KUKAloha通过轻量引导臂和自主感知模块实现人机协作,提升施工机器人操作的安全性和重复性,实验表明其能降低操作负担并提高任务效率。
2026-03-20 cs.RO
Shared Control for Bimanual Telesurgery with Optimized Robotic Partner
Imperial College of Science, Technology and Medicine(帝国理工学院)
传统的外科手术依赖于外科医生对患者侧机器人的完全控制,这往往会增加外科医生的疲劳,并可能降低手术效率。本文介绍了一种机器人伙伴(RP),以促进直观的双手辅助手术,旨在减少外科医生的工作量,提高外科医生的辅助能力。采用基于区间二型多项式模糊模型的学习算法提取外科医生的专业领域知识,并反映环境交互信息。在此基础上,开发了一种双手共享控制,与外科医生遥控的其他机器人进行交互,了解他们的控制并提供帮助。由于不需要环境模型的先验信息,它减少了在控制设计中对力传感器的依赖。在达芬奇手术系统上的实验结果表明,RP可以帮助钉转移任务,并减少了51%的外科医生的工作量在力传感器的情况下。
2021-07-12 cs.RO