我们在存在障碍的情况下研究人类机器人协作运输任务。每个代理的任务是将刚性对象携带到共同的目标位置,同时避免障碍并满足其他代理的合规性和驱动约束。人类和机器人不具有对环境的当地观点。当人类政策根据机器人对环境的看法而安全,或者积极领导任务时,可以协助机器人。使用估计的人类输入,机器人通过解决有限的时间最佳控制问题来计划运输对象的轨迹。机器人上的传感器测量人类应用的输入。然后,机器人适当地应用了人类应用的加权组合及其自身计划的投入,其中根据机器人对人类投入的估计的信任价值选择权重。这允许在整个任务中对机器人进行动态领导者的角色调整。此外,在信任的价值较低的情况下,如果机器人遇到了人类可能未知的任何障碍,它会触发安全的停止政策,保持系统的安全性并发出对人类意图所需的更改。通过实验结果,我们证明了所提出的方法的功效。
translated by 谷歌翻译