观察识别与交互的类人运动

1介绍

人类接受机器人的行为是设计合适的人机交互的关键计划和相关控制算法(金正日et al ., 2012)。从人类的角度来看,机器人应该模拟人体运动功能。可能的策略设计和拟人化机器人方面(Averta et al ., 2020)和/或分配一个特定的行为,关于运动、言语和视觉/面部姿态,塑造他们的交互与人类(凯利et al ., 2010)。

关注后者,人类之间的主要区别之一,经典机械臂运动中观察到他们的速度特性。人类的运动学理论快速运动(Plamondon 1995),它的顺向sigma-lognormal模型(O ' reilly Plamondon, 2009),表明人类复杂运动基本动作的时间叠加的结果,每一个都是由中枢神经系统指挥和展品对数正态速度剖面。这些年来,sigma-lognormal模型已被证明是有效地繁殖人类运动在2 d (费雷尔et al ., 2020;Parziale et al ., 2020;Laurent et al ., 2022)和3 d条件(费舍尔et al ., 2020)。另一方面,典型的机器人/人工速度概要文件常数或梯形(Kavraki拉,2016年)。

考虑到这种差异,问题出现在人类是否能够区分人类和人工运动和人类感知运动的形式是否会影响判断人类相似。张伯伦et al。(2022)组成的设计实验观察视频,声称的人形图与钟形运动速度概要文件被视为更自然和愉快的运动与一个统一的形象。相反,Quintana et al。(2022)展示了人类之间没有明显的偏好运动和对数正态速度不变,当观看视频的机械臂执行一些轨迹在空间和与机器人互动通过跟踪与手指的技巧。

一些作品集中在设计新的控制策略能够为机器人提供更舒适的运动在人机交互任务。Tamantini et al。(2022)提出了上肢robot-aided骨科康复的病人个体化控制体系结构。他们设计了一个learning-by-demonstration-based使用动态运动原语(DMP)的方法。该控制器能够适应康复工作区和援助部队根据病人的性能。同样的,Lauretti et al。(2019)提出了一种新的配方的DMP赋予拟人化机器人执行动作的功能类似于人类的示威者在关节和笛卡儿空间,避免障碍。该方法与基于笛卡尔DMP和文献方法(反向)。问卷结果表明,用户更喜欢拟人化运动计划通过该方法对non-anthropomorphic计划通过一个笛卡尔DMP和本土知识。

我们的贡献是研究人类感知运动的形式到什么程度影响其判断人类相似的动作。我们的研究结果表明,物理与人类运动的机器人简化了检测相比,如果仅仅是观察相同的动作。在我们看来,这支持了论文,根据任务,机器人与人类相似的不同程度,可以提供的接受。同时,在相同的观点,并不是所有的人工轨迹是相同的,但是有些人比其他人更经常被视为人类。这铺平了道路设计的机器人像人类行为,因此,预计改善人机合作机器人验收。

本文的其余部分组织如下:第二部分描述两个图灵测试,每一个都有不同的实验装置;第三节礼物这样的实验的结果,第四节讨论的结果,并给出结论。

2材料和方法

专注于机器人验收,我们设计实验分别激发视觉和本体感受的系统,并分析哪些是更有效的视图中的人机协作。实验的图灵测试的形式:刺激提供给人类的主体是一个笔迹运动,和所需的主题是决定是否由一个人或一个人工代理。

2.1参与者

参与者被招募的成员之间的自然计算和机器人技术实验室和学生参加工程。在我们系度。所有的参与者接受了参加在自愿的基础上,并正式表达了他们同意参与阅读和签名形式达成共识。参与者被分成两个不相交的团体,称为G1和G2。G1的九个科目提供了人类的轨迹,而G2的36个参加测试。没有主题的G2物理与机器人互动的经验。参与者的详细信息包含在G1和G2的报道补充表S1。

2.2代的轨迹

一般来说,采用的设备来记录运动和电机的任务是人类运动特征调查研究。录音系统(运动追踪器、平板电脑、smartwatch等)和运动任务(步态,达到运动,书法,等等)选择根据最终的应用程序或调查的特定方面的运动。笔尖运动期间签署,绘画或写作获得图形平板电脑和smartpad基本上采用(迪亚兹et al ., 2019;Parziale et al ., 2021;纤毛et al ., 2022),但录像步态以及食品操作期间喂食也被建议(保护好et al ., 2019;Kumar et al ., 2021)。

在我们的工作中,我们选择了电动机任务是简单形状的图所示面板的顶部图1,因为他们不触发的语义信息处理受试者参与试验。采用这些形状的优势而不是字符,话说,签名或其他目标驱动的行为,是不激活皮层区域致力于集成语义信息,因为它会发生如果任务有一个语义内容(哈林顿et al ., 2009),从而避免认知偏见可能影响实验结果。尽管如此,并不是简单的任务从运动的角度看,在他们的执行需要适当的许多基本动作的同步。

G1的科目要求用圆珠笔画提出的形状在一张纸放在一个多WACOM Intuos 2数字化平板电脑100 Hz采样率。圆珠笔的运动的二维平面上通过软件MovAlyzeR平板电脑记录^®v6.1 (Teulings 2021)。受试者被要求画出每个模式的10倍,占领尽可能多的A4纸的表面。他们自由地按照自己的节奏,只有在纸上写动作记录。收购设置报告图2。

从记录人类的轨迹,我们提取的几何特性,即。,the path in planar coordinates, and assigned each of them two different time laws from robotics literature to move along, referred to as MethodA (Kavraki拉,2016年)和MethodB (Slotine和阳,1989年)。特别是,MethodA假设速度是均匀的,而MethodB假设速度取决于曲率,根据时间最优配置文件,如人类运动的情况。因此,对于每个模式,有三个不同的执行模式,我们的术语类一个人类和两个人工,用续集的表示人类,MethodA和MethodB。我们使用术语人类表示轨迹,尽管人工执行的代理,不通过任何模型,但仅仅复制人类的运动通过图形平板电脑。关于MethodB轨迹的更多信息,请参考补充材料。

2.3观察实验

在这个实验中只提供给受试者的视觉刺激作出决定。为了这个目的,我们生成的动画轨迹的法律符合人类和人工时间。基于假设上下文信息影响人类相似的判断,我们刺激自我认同与书法的执行任务,包括一个图标的人手拿着钢笔,并生成动画轨迹的手移动,以模拟释放墨水笔在纸上。这是主要的区别对实验报告(张伯伦et al ., 2022)和(昆塔纳et al ., 2022),我们清除视频的视觉线索,可以将个人的注意力从运动(如机器人机械手结构),并包括元素来帮助人类主体的自我认同的过程。

提出了视觉刺激的序列10上述模式的实例,所产生的随机选择三个人的轨迹,一个对于每个模式,,对于每个人,相应的轨迹生成由MethodA MethodB,分别加一个人工MethodB生成的轨迹。在测试期间,一次一个轨迹动画呈现在屏幕上,参与者是要求决定是否视频的运动是由一个人或一个人工代理。测试的目的是在这样一种方式以避免参与者跳过或暂停视频,回到已经回答问题或重复整个调查。调查中提供的一个屏幕快照图2,而补充视频S1是一个主题的屏幕录制完成观测实验。

2.4交互实验

在这个实验中,受试者只接受本体感受的刺激作出决定。为目的,我们让这个话题有联系机器人在执行动作,因为它将描述的续集。为了隔离本体感受,因此保护实验的目的,视觉和听觉系统抑制睡眠面具和耳套。

执行的交互实验与velocity-controlled UR10机器人,美联储与人类和人工轨迹。velocity的控制,即速度的跟踪参考,优先在定位控制,即位置引用的跟踪,因为人类运动的特点是他们的切向速度概要文件可以分解成一系列submovements以不变的速度剖面(Morasso Mussa Ivaldi, 1982;Plamondon Guerfali, 1998)。保存这个特点应该生成类人与机器人运动的关键。由于人类行为是将编码速度信息,删除(或减少)non-desirable实验控制至关重要的影响。

的工作区,机器人执行手写轨迹的自由空间(不与周围交互对象)在一个虚拟的水平面。人类参与者拥有机器人末端执行器,专门设计,3 d打印抓住像一支钢笔。出于安全方面的考虑,一个物理屏障放置机器人和人类之间,防止后者进入机器人工作空间和整个身体。此外,机器人编程操作接近其工作空间边界,以便其扩展到人类是有限的。末端执行器是僵硬的,所以为防止引入人工动力,但也足够脆弱,由于安全原因,打破在碰撞引发参与者的手受伤。

对于每个参与者来说,机器人执行九手写轨迹(3人,3 MethodA, 3 MethodB)组成与前面的实验。为了避免参与者的注意力下降或疲劳效应的起义,这可能影响实验结果,我们实验的时间持续时间减少执行三个轨迹从同一个类一个接一个要求参与者之前做出决定。所以,每个参与者与三个不同的序列组成的三个轨迹。三个序列的顺序是随机的参与者中,人类提出了轨迹作为第一个,第二个或第三个动作的序列。每个序列后,参与者被要求来决定是否执行的动作的机器人已经被人为的由一个人或代理。

在实验之前,操作员描述协议(见补充材料)和显示参与者的三个运动模式,打印在原始大小和贴在书桌的下面马上和机器人的虚拟平面平行运动执行。这种方式,参与者知道轨迹的几何特性,在实验期间,只能注意的本体感受运动。这将防止参与者创建一个精神形象的运动经历,这一现象可以打扰他们的决策过程或导致注意力下降。

交互实验设置的图片所示图2,而补充视频S2显示了人类主体与UR10机器人交互。

2.5实验过程

每个参与者都要求完成视觉测试,和一周后,被召回的交互测试。网站上可用视觉测试1周,和参与者被允许参与在他们方便的时候。交互测试的参与者承认一次实验的房间进行,以防止他们的判断可能会受到其他参与者的意见。

通过这种方法,两个实验存在显著差异:在视觉测试执行,没有经验的运动模式(参与者在测试前从未见过的模式,完全不知道实验的目的),互动的运动提出的实验已经有经验,虽然只有通过观察。

最终,为了估计可能的相互作用实验,我们再次要求受试者接受视觉测试(在相同的顺序相同的轨迹)后立即参与到互动实验。目标是排除或确认人类的判断是受到经验的影响。

3的结果

三个实验的结果,正确的决策百分比,三个轨迹类,进行了总结图3(上)。

第一个实验的结果表明,没有证据表明人类被试能够区分人类和人工轨迹只观察运动本身,即使他们的速度资料有很大的不同,至于由MethodA轨迹生成。

第二个实验的结果揭示了一些重要的事实。首先,正确的决定利率MethodA轨迹观察情况相比大大增加。这证实了本体感觉系统比视觉更敏感的意识到运动的速度资料不同于人类。第二,正确的决定人类和MethodB轨迹在交互实验中是相似的,因此表明MethodB是一个更好的候选人比MethodA设计类似人类的轨迹。事实上,55.56%的人被归类为人类。

图3(底部)报道,互动实验,识别人类的正确决定率和人工轨迹取决于轨迹的位置在整个序列。直方图显示人类轨迹后,出现在序列正确决定率越高。特别是,人类轨迹的正确决定率= 20%,57.14%,和75%时第一,第二和第三的序列,分别。人工的轨迹,MethodA或MethodB轨迹时的损失性能执行在第二位置似乎依赖于轨迹已经首先执行序列。然而,这与实验中观察只能确认更多的科目。

这些结果表明,受试者使用第一个序列设置一个引用,然后评估以下的尊重。此外,似乎在评估第一序列,他们表现出一些偏向人工类别,可能是因为他们从未经历过直接与机器人互动,因此整个过程被认为是“人工”,这样的感觉将在他们的判断。随着实验的进行,他们适应环境:倾向于减少人工,他们更专注于任务和性能因此增加。

这个解释也证实了分析结果的数量取决于机器人的重复运动要求在回答这个问题之前。特别是,我们发现相反的结果对于人类和人工轨迹,特别是:

•对于人类的轨迹,正确的决定率是57.69%对于那些只执行一次,而对于那些执行两次下降到40.00%;

•在MethodA轨迹,正确的决定率是72.41%对于那些只执行一次,这对那些执行两次达到100.00%;

•在MethodB轨迹,正确的决定率是34.62%对于那些只执行一次,执行两次,达到70.00%。

第二视觉测试的结果,执行交互实验后不久,显示,没有证据表明经验的观察和交互增加了人类识别人类的能力和人工运动。事实上,结果符合的第一个。此外,尽管参与者能够正确检测MethodA人工运动交互实验期间,他们不能确定相同的运动在第二视觉测试。这表明,很难认识到人类的动作,在我们的实验中,可能与缺乏经验,同时与运动特性这一事实更容易比视觉感知通过本体感受的系统。

每个参与者的正确决策和实验报告图4。每个直方图,与每一个相关的实验中,有36条,每个对应正确的决策速度通过每个参与者在实验。所有的参与者的平均值和标准偏差在每个直方图上重叠。Wilcoxon测试0.05的显著性水平是用来比较两个视觉实验的结果。零假设的中位数是相等的两组样本之间的差异被接受p价值等于0.68。

4讨论

机器人由操作员接受是一个复杂的问题,这是人类感知紧密联系的运动。为了评估不同的感官如何执行这方面,我们跑涉及人体受试者实验的人被要求观察和与人为代理人在两个不同的实验设置,刺激一次只有一个感觉。实用性,选择运动从笔迹中提取的任务。特别是,我们评估的有效性实验方法组成的令人兴奋的视觉系统只,用不同的接受,而激动人心的本体感受的系统组成的实验方法。

在第一个测试中,笔迹运动被复制在一个视频中,然而,在第二个测试中,蒙上眼睛和隔音的参与者被要求保持机器人末端执行器,同时符合它的运动。在这两种场景中,参与者被要求判断每一个运动的人形,可以嵌入一个人或一个人工时间法(派生的两种不同的方法从机器人文献)。最后,我们重复第一个测试来评估经验判断的影响。

本研究的结果可以概括如下:

•一组参与者不能可靠区分人类和人工运动视频所示,甚至通过消除阻碍视觉元素,如物理机器人,通过添加视觉元素帮助,例如拿一支笔,自我认同过程:无论显示类的运动,正确的决策百分比约为50%;

•与机器人互动执行书写运动期间,参与者能够识别人工运动采用统一的速度(77.78%),但同样没有对那些采用curvature-dependent速度,类似于人类的(44.44%);

•观察和互动的经验似乎并没有帮助检测运动进一步观察实验;

•互动的经验似乎帮助进一步交流,事实上,每个运动类的正确的决定还取决于轨迹的顺序执行的交互实验(人类动作执行首先是20.00%正确识别,而人类动作执行去年是75.00%正确识别)。

从过去的观察,一个新的研究问题出现了:一个人需要一个比较正确区分人类和人工运动?针对机器人接受调查,实验方法应该定义的”这两种运动使你感到更舒适呢?”。与参与者进行测试后,他们报道,指人类运动他们没有意识到,“要执行的动作太完美的人”。我们观察到有预期的机器人/人工运动无疑会影响判断。这也解释了为什么,在获得一些互动的经验,正确的决策往往会增加。根据这些观察,我们认为,制定问题的安慰而不是人类的肖像是更合适的机器人验收。在本例中,我们将重点转移到运动本身的质量,而不是识别运动机器人还是人类。这是一个研究方向,我们愿意在将来的工作进行调查。

此外,可以改进实验装置包括额外的工具:例如,一个运动追踪器可以用来记录更通用的三维人体运动,而3 d仿真环境,以3 d人形化身繁殖的运动,可以增强自我认同过程和提供进一步的见解关于角色和权力接受人工观察的动作。

数据可用性声明

最初的贡献提出了研究中都包含在这篇文章/补充材料,进一步的调查可以直接到相应的作者。

道德声明

伦理审查和批准没有所需的研究对人类参与者按照地方立法和制度的要求。患者/参与者提供了他们的书面知情同意参与这项研究。书面知情同意了个人(s)的出版的任何潜在的可识别的图像或数据包含在本文中。

作者的贡献

我和电脑设计项目的大纲和实验方法和监督项目。通用和美联社设计、实施和监督的执行观测实验,而通用汽车和EF设计、实施和监督执行的交互实验。通用汽车进行的实验参与者和处理数据。通用,英孚,美联社,导致解释结果。通用、美联社和EF起草手稿和设计数据,并做最后的编辑。所有作者塑造的研究提供了重要的反馈,分析数据和编辑手稿草案。

资金

通用汽车是由奖学金授予“Pianificazione e controllo / la movimentazione robotica类人”信息工程系、电气工程,和大学的应用数学萨勒诺,意大利。

的利益冲突

作者声明,这项研究是在没有进行任何商业或财务关系可能被视为一个潜在的利益冲突。

出版商的注意

本文表达的所有索赔仅代表作者,不一定代表的附属组织,或出版商、编辑和审稿人。任何产品,可以评估在这篇文章中,或声称,可能是由其制造商,不保证或认可的出版商。

补充材料

本文的补充材料在网上可以找到:https://www.雷竞技rebatfrontiersin.org/articles/10.3389/frobt.2023.1112986/full补充材料

引用