来自纽约罗彻斯特理工学院(RIT)的世纪模具协同
机器人实验室(CMCRL)的研究人员最近开发了一种用于监测人体生理反应的新框架，同时用户与机器人协作完成任务。在多代理生物机器人实验室主任Ferat Sahin教授的监督下，CMCRL研究人员正致力于开发系统，框架和软件工具，以研究工业环境中的人机协作。他们的新方法，在arXiv上发表的一篇论文中概述 并将在巴里(意大利)举行的IEEE Systems，Man&Cybernetics会议上展示，可以在人机交互过程中不断收集生理数据，同时改变机器人的运动，以触发与其交互的人的反应。
许多专家认为，很快，人类和机器将在包括工业和制造业在内的各个领域开展合作。然而，为了实现高效的自动化和人机协作，研究人员需要开发利用人类技能的方法，如决策，灵活性，灵活性和创造力，将这些与机器人相关的速度，准确性和功能相结合。
实际上，虽然完全自动化将非常昂贵，但仅由人类手动执行的制造通常很慢并且容易出错。因此，开发增强人机协作的工具非常重要。据RIA称，这将是第五次工业革命的核心部分，也称为工业5.0。
“在我们看来，工业中人机协作有三个主要挑战。它们是安全，人类对自动化和生产力的信任，”开展这项研究的研究人员之一Shitij Kumar告诉TechXplore。“所有这些都是相互依赖的。为了应对这些挑战，我们首先开发了一种人机协作(HRC)设置，作为一个系统系统，可以让我们创建不同的人机协作场景，理解和分析人机交互。“
基于所提出的框架的实现的系统图，该框架表示HRC实验期间的数据收集和监视。
图片来源：Savur，Kumar和Sahin。
作为他的博士学位的一部分。在CMCRL主任Ferat Sahin博士的指导下，Kumar开始开发一种基于人机分离距离和共享工作空间中的动作来改变机器人行为的系统。在这种情况下，机器人的行为是基于规则的确定性和可预测的。
尽管他的方法表现出了希望，但他发现人的反馈并不总是发生，这使得他的系统更难以实现令人满意的机器人合规性。机器人合规性本质上意味着机器人可以管理与之交互并与之有效沟通的人的期望。
“我们相信系统的更好的合规性使操作员能够对机器人进行操控感和机器人行为的预测性，这将提高他/她对自动化的信任度，从而提高任务的生产率，”库马尔说。 “然而，我们开始想知道，你如何量化使用机器人的人类操作员的'信任'或舒适程度?”
库马尔和他的同事们认为，在涉及人机交互的任务中，监测人体生理信号是心理和身体压力以及其他情绪的指标，这将是朝着正确方向迈出的一步。先前的研究发现，这种信号(称为心理生理反应)是改变机器人行为和运动的可靠指标，这一信念得到了支持。
原型实现中使用的传感器和设备。研究人员使用运动捕捉系统监测人体运动，并使用摄像机记录实验。他们还使用Pupil Labs跟踪人类注视，并记录人体生理反应，如瞳孔扩张，PPG，GSR，EEG和心电图。图片来源：Savur，Kumar和Sahin。
考虑到这一点，Celal Savur博士。RIT的CMCRL学生开展了一项研究，探讨机器人运动和行为对人类心理生理反应的影响。他的研究的关键目标是了解机器人运动中的哪些变化导致“人类不适”反应，如恐惧或压力。
“为了做到这一点，需要一个同时代表和记录机器人运动和人体生理状态的系统的框架，”Savur解释说。“一旦识别出机器人运动与人体生理状态之间的关系，人体生理反应就可以用作反馈来直接控制/更新机器人的运动/行为。这种系统被称为” 生理计算系统“。生理计算是计算机游戏中经常使用的情感计算的子集领域，其中游戏实时适应游戏者的反应，以实现更具互动性的游戏体验。
在他们的研究中，Savur和Kumar着手开发一个框架，可以监控人类心理生理反应，因为用户完成了涉及人机协作的任务。他们的工作在于计算机科学，机器人学和心理生理学之间的交叉点，这是神经科学的一个分支，旨在了解一个人的精神状态和他/她的生理反应如何相互作用或相互影响。
他们开发的框架属于“生理计算”类别。这是一种情感计算，它将实时软件适应于用户的心理生理活动。基本上，他们提出的框架可用于研究如何改变机器人运动(例如速度和轨迹)影响工业环境中的操作员。
利用机器人飞行时间激光测距传感器阵列进行速度和分离监测
“让我们考虑一下，例如，有两个操作员使用机器人，操作员A和B，”Kumar解释说。“操作员A工作时间更长，并且很舒服地使用机器人，因为他/她可以根据经验预测机器人的行为。操作员B是新的，对机器人的运动有点怀疑。机器人的行为在速度方面发生了变化。根据操作员的生理状态和行为模式，当它靠近操作员时，它会移动以及保持多少距离。在这种情况下，为了更好的人机交互，机器人可以在操作员A附近移动，并移动随着操作员B获得更多经验，机器人运动可以适应它，从而建立信任并积极影响整体生产力。“
CMCRL研究人员开展的这项研究有两个主要目标。第一个是生成人机协作任务数据库，记录人机交互。然后，他们想要使用这个数据库来研究如何使用人体生理反应来影响机器人的运动，从而对自动化过程产生积极影响。换句话说，他们的目标是为工业和制造环境中的人机协作构建生理计算系统。
“我们的框架本质上是一个同时代表和记录机器人运动和人体生理状态的系统，”库马尔说。“为了记录这些信息，该框架提供了与机器人，传感器(如摄像头，运动捕捉系统)以及生物/生物识别数据采集设备的接口。由于所有这些设备都采用不同的采样率，因此该框架有助于同步数据采集??和人机协作的表示。“
在传统的社会机器人实验设置中，人类受试者被问及关于他们在实验期间或之后的经历和感知的问题。利用他们的反馈，研究人员可以分析和量化实验过程中收集的主观数据。
人体机器人协作任务中人体生理反应监测框架
“然而，中断受试者或让受试者回忆起他们的经历的方法并不总是能够保持实验的完整性或准确地代表主观数据，”Kumar解释说。“因此，与传统方法不同，该框架的实施使得人类主体或主要研究者能够在执行人体机器人协作(HRC)实验/任务时生成事件标记。”
他们的框架可以基于虚拟世界中的人机器人表示自动生成事件标记，这被称为数字双胞胎。例如，它可以帮助识别机器人和人在任务期间何时彼此最接近，何时机器人必须停止或被人类动作中断，人类执行任务的进度，基于命令的事件或由操作人员控制，机器人以最大速度工作时的事件，以及任务的开始/结束。
“我们的框架还为研究人员提供了一个用户界面，可以重播和可视化他们的HRC实验，”Kumar说。“此外，它允许他们分析和标记所收集的数据。从各种设备连续和同步地收集生理数据，并将它们与机器人控制和界面连接在一个生态系统中，允许完整地表示人类和机器人状态。这有助于了解人体生理状态与机器人运动之间的因果关系。“
随着可穿戴设备和物联网(IoT)的出现，人类生理数据将变得更容易收集并因此易于获得。因此，研究开发的框架可以证明是非常有价值的，因为它旨在利用这些数据来改善人机交互。
为HRC系统开发数字双机设置
“这个框架能够通过内置事件生成和分布式系统上的信号同步实现连续数据记录，从而保持实验的完整性(在工业环境中重新创建任务的场景)并准确地表示主观数据，”Kumar说。
Kumar和他的同事认为，能够进行这种生理计算的代理(即可以检测人体生理反应并对其做出反应)可能会导致闭合的人在环系统，其中HRC中的人类用户和机器人监视设置并在它们之间共享信息。这可以带来更好的沟通，最终可以促进公众对自动化的更大信任，同时提高生产力。在未来，研究人员计划将其研究中生成的数据库提供给其他HRI研究人员。
“我们的下一步研究将集中在开发生理计算系统的完整用户界面
应用程序，用于处理记录信号，提取信息和应用机器学习算法以向机器人提供反馈，”Kumar说。“这项工作的最终目标是生成一个数据库，可用于进一步了解如何推断人体生理反应，从而产生适应性机器人运动行为。”
