.png){kind=icon}
返回
Toward Shared Control in Clutter
.png){kind=icon}
PRE
AI
DOI：10.1109/lra.2026.3723281.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
辅助机器人能够使运动障碍患者独立完成日常任务，提供主动、半自主的支持。然而，在更复杂的多人任务环境中提供正确且无缝的协助仍是一个关键挑战。为解决此挑战，我们引入了一种任务空间依赖的clutteredness指标，用于量化场景复杂度，同时考虑场景中的所有任务。该指标使我们能够基于场景的clutteredness通过我们的新技能适应方法ShaCC（Clutter中的共享控制）调整共享控制技能。ShaCC包含两步：首先，我们优化任务空间参数以减少任务空间重叠（Shrinking），其次，提供对整个场景的早期方向支持（Merging）。我们将ShaCC应用于共享控制模板（SCT）框架进行实验评估。结果表明，clutteredness指标是场景复杂度的有效度量。此外，ShaCC的任务感知技能表示在多任务环境中提高了协助效果，成功率更高，操作任务切换更平滑。我们在模拟中展示了这一成果，每个场景最多十个任务，平均成功率提高45%；并通过在辅助机器人MAYA上进行的小规模用户研究验证了ShaCC，在包含五个任务的真实场景中实现了100%的任务成功率。
Keyword:
Physically assistive devices
human-centered robotics
intention recognition
shared control
cluttered environments
期刊
I
IF:
5.3
论文数:
2.0K
被引数:
3.9W
机构
引用论文
Shared Autonomy of a Robotic Manipulator for Grasping Under Human Intent Uncertainty Using POMDPs
PREAI
分享收藏
Design and Evaluation of Motion Planners for Quadrotors in Environments with Varying Complexities.png)
IF0
PREAI
分享收藏分享收藏分享收藏
查看更多内容