人与机器人的协作任务规划使用预测性大脑反应

科学领域:

• 机器人技术 机器人技术 机器人技术
• 神经科学是一个神经科学.
• 人与计算机的交互

背景情况:

• 人机交互 (HRI) 需要适应性强的机器人系统,以实现无协作.
• 动态子任务分配是HRI的一个关键挑战,特别是当人类的意图不清楚时.
• 机器人经常难以推断人类合作伙伴的任务选择,以实现高效的协作.

研究的目的:

• 调查使用基于电脑电图 (EEG) 的神经认知措施在线机器人学习动态子任务分配的可行性.
• 开发和验证一个强化学习算法,利用EEG反来适应HRI.
• 展示大脑-计算机接口在增强人机协作任务规划方面的潜力.

主要方法:

• 一项实验性研究,使用UR10机器人操纵器和人类实验对象共同执行任务.
• 使用脑电图 (EEG) 测量来检测人类对任务接管的预期.
• 开发了一个强化学习算法,使用EEG信号作为神经元反来进行动态子任务分配.
• 通过模拟研究验证了算法.

主要成果:

• 研究人员发现,EEG测量表明了人类对人机任务转换的预测.
• 强化学习算法证明了成功的机器人学习子任务分配,在17分钟内准确度约为80%.
• 该系统显示了可扩展到更多子任务的可行性,并增加了学习时间.
• 即使在适度的解码精度下,也可以实现动态任务分配的有效机器人学习.

结论:

• 基于EEG的神经认知测量是一种可行的工具,可以在HRI中调解动态子任务分配.
• 这种方法为适应性人机器人协作任务规划的复杂挑战提供了有希望的解决方案.
• 大脑-计算机接口可以显著提高机器人合作伙伴在协作任务中的灵活性和效率.