在可穿戴机器人 Co-Grasping 中的错误恢复:人为导向校正的作用
Erin Y Chang1, Wilson O Torres1, Hannah S Stuart1
1Embodied Dexterity Group, Department Mechanical Engineering, University of California, Berkeley, CA, United States.
Frontiers in robotics and AI
|October 27, 2025
概括
本研究介绍了Co-Grasping,这是一种可穿戴设备策略,用户可以控制人类和机器人的角色来掌握任务. 它表明,机器人错误时的用户控制有助于保持任务性能,并重建对自动化的信任.
科学领域:
- 机器人技术 机器人技术 机器人技术
- 人与计算机的交互
- 人与机器人的交互
背景情况:
- 对自动化系统的信任对于技术采用至关重要.
- 可穿戴的抓取机器人设备正在改进,但尚未完全可靠.
- 用户的信任和参与是辅助技术接受的关键因素.
研究的目的:
- 引入和评估可穿戴辅助设备的新型Co-Grasping策略.
- 研究可恢复的机器人错误对用户信任和行为的影响.
- 展示用户控制的角色分配如何可以减轻系统故障期间的性能下降.
主要方法:
- 实施一个Co-Grasping可穿戴设备,允许用户控制人类和机器人的贡献.
- 在掌握任务时引入了模拟的机器人错误.
- 监测了用户的信任感知和身体参与行为.
主要成果:
- 协同抓取设备使用户能够在模拟机器人错误时进行干预,防止任务丢失.
- 可恢复的错误暂时减少了信任,增加了身体参与.
- 一旦机器人恢复可靠性,信任和行为指标恢复到基线.
结论:
- 通过允许用户动态调整系统控制,可以修复对故障自动化的信任.
- 在Co-Grasping中,用户控制的角色分配可以防止错误对整体设备功能产生负面影响.
- 这种方法促进人机交互,保持高性能,并促进快速恢复信任.
