使用时空图卷积网络在人机协作中进行无监督交互集群的方法
Aaron Heuermann1,2, Zied Ghrairi2, Anton Zitnikov1
1Faculty 04: Production Engineering - Mechanical Engineering and Process Engineering, University of Bremen, Bremen, Germany.
Frontiers in robotics and AI
|October 17, 2025
概括
本研究引入了一种使用时空图卷积网络 (STGCNs) 来集群工业环境中人机器人交互形式的新方法. 该方法确定了10种不同的交互类型,使工业5.0系统更加灵活和以人为中心.
科学领域:
- 机器人和自动化机器人与自动化
- 人与计算机的交互
- 工业工程 工业工程 工业工程
背景情况:
- 未来的工作场所将看到人机协作的增加,需要灵活的交互模式.
- 现有的人机交互分类可能无法完全捕捉到工业协同工作的复杂性.
- 工业5.0强调以人为中心,适应性强的制造系统.
研究的目的:
- 开发和评估一种用于集群工业合作中各种人机交互形式的方法.
- 为了识别超出当前分类的颗粒性相互作用模式.
- 支持数据驱动的分析,以改进人机器人系统设计.
主要方法:
- 利用时空图卷积网络 (STGCNs) 进行交互集群.
- 从12个现实的工业人机器人协同工作场景中收集数据.
- 采用高精度追踪系统来准确获取数据.
主要成果:
- 成功将人机交互集成成10种不同的形式.
- 与已建立的分类学相比,揭示了更多的颗粒状相互作用模式.
- 证明了STGCNs在模拟复杂相互作用方面的有效性.
结论:
- 拟议的STGCN方法有效地模拟和集群工业环境中的人机交互.
- 识别的交互形式为协作行为提供了更深入的见解.
- 这些发现有助于开发更具适应性,以人为中心的工业5.0系统.


