GUIDER：基于真实机器人数据的遥操作操控无目标人类意图推理评估
GUIDER: Evaluating Goal-Free Human Intent Inference for Teleoperated Manipulation on Real-Robot Data
- Santa Clara University（圣克拉拉大学）
- University of Birmingham（伯明翰大学）
- Queen Mary University of London（伦敦玛丽女王大学）
- Indiana University（印第安纳大学）
机构由 AI 辅助整理，请以论文原文为准。
AI总结：
该研究评估了用于遥操作机器人操控的无目标人类意图推理框架GUIDER，在20个操控步骤的三个场景测试中，其意图估计准确率达100%，并取得了相关性能指标，验证了该框架的有效性。
AI中文摘要：
本文提出了一种针对机器人操控过程中无目标人类意图推理的概率框架评估。我们将机器人全局用户意图双阶段估计框架（GUIDER）部署在从机械臂采集的数据上，以测试包括泡茶和取药在内的多种辅助场景下的操控阶段。为支持该操作，我们添加了在线概率更新、工作空间限制、支撑平面过滤以及优先考虑可行抓取区域的抓取模式，所有这些都在保留原始时间条件的情况下对记录的数据进行了测试。在三个场景的20个操控步骤中，GUIDER在所有情况下都在正确的抓取候选集内估计出人类意图，实现了3.7秒的置信预测时间、首次抓取前剩余时间49.6秒、预测稳定性96.4%，以及每个意图感知阶段的运行时间为4.857/4.474秒（均值/中位数）。
英文摘要：
This paper presents an evaluation of a goal-free probabilistic framework for human intent inference during robotic manipulation. We deploy the Global User Intent Dual-phase Estimation for Robots (GUIDER) on data collected from a robotic arm to test the manipulation phase across various assistance scenarios, including making tea and fetching medicine. To support operation, we add online probability updates, workspace limits, support-plane filtering, and a grasping mode that prioritizes feasible grasp regions, all of which are tested on the recorded data while preserving its original temporal conditions. Across 20 manipulation steps in three scenarios, GUIDER estimated human intent within the correct grasp-candidate set in all cases and achieved a time to confident prediction of 3.7 s, a remaining time before first grasp of 49.6 s, a prediction stability of 96.4%, and a runtime of 4.857/4.474 s (mean/median) per perceptual phase of intent.
