面向机器人的自然人机交互关键技术研究

With the development of computer science, people-oriented, natural operation and friendly interaction become a trend of the next generation of robot interaction. This research aims to study a natural human-machine interaction method for multi-degree robots. By studying non-limited human-machine theory, this research wants to realize the fully intelligent and natural human-machine interaction and shorten the distance between human and robots. In this issue, combined with our previous findings, we propose a new continuous three-dimensional gesture natural interaction method and build a new human - robot interaction framework based on the continuous three-dimensional gesture interaction algorithm. The new framework not only considers comprehensively the effects of all kinds of noise in the process of three-dimensional data acquisition, such as the noise of sensors and transmission, etc., but also takes advantages of the optimization algorithm to deal with unsteady human factors in the process of gesture interaction, such as muscle physiological tremor, low positioning accuracy and misuse under the effects of psychology, etc. The framework will introduce hybrid filter information fusion technology, over damping theory and multi-space transformation model. We considered the various factors which affect the results of the interaction at the same time, and learned a more accurate, natural interaction approach. This research will perfect human-robot interaction theories and methods, and provide strong theoretical guidance and technical preparation to the development of the next generation of human-computer interaction technology and robotics applications.

随着计算机的发展，以人为本、操作自然和交互友好成为下一代机器人交互技术发展的趋势。本课题拟研究面向多自由度机器人的自然人机交互方法，通过研究非受限人机交互理论，实现人与机器人交互的智能化和自然化，缩短人-机器人的交互距离。在本课题中，结合我们前期的研究成果提出了新的连续三维手势自然交互方法，建立一个基于连续三维手势交互算法的人-机器人交互新框架。新框架不但综合考虑了三维手势数据获取过程中各种噪声的影响，如：传感器噪声，传输噪声等，还充分利用优化算法处理手势交互过程中的非稳定人为因素，如生理上的肌肉颤抖、定位精度低和易受心理影响产生误操作等。成果将引入混合滤波信息融合技术、过阻尼理论和多空间变换模型，综合考虑影响交互结果的各种因素，从而获得更精确、自然的交互方式。本课题的研究将完善人机交互理论和方法，为下一代人机交互技术的发展和机器人应用的推广提供强有力的理论指导和技术准备。

传统的人机交互方式是“以机器为中心”的受限方式。这种接触式人机交互方式虽然可以满足精准交互，但是交互不灵活，需要进行高强度训练才能完成针对性的任务，用户需饱受命令记忆和新功能学习之苦。非受限人机交互技术的核心问题在于如何确保机器人对人的动作和行为识别的有效性，给人以最小的限制并对人的各种动作做出反应。本项目研发的新平台包括了新的人机异构映射接口，新的基于混合滤波信息融合的三维手势跟踪模型，新的人机交互精度优化算法。研发的人机异构映射接口考虑人手与不同多自由度机器人之间的结构关系，接口具有透明性，用户无需了解机器人结构，同时接口具有普适性并兼顾机器人结构的多样性。提出的基于混合滤波信息融合的三维手势跟踪模型整合多传感器信息源数据，考虑人手位置与人手姿态之间的约束关系，通过混合滤波算法对位置与姿态信息进行融合，从而得到稳定的人手位姿数据（位置与姿态）。构建的人机交互精度优化算法考虑人类固有的特点（如定位精度低、肌肉颤抖、心理因素等）对交互精度的影响，通过设计过阻尼优化算法和多空间变换优化算法，提高人机交互精度。该平台已在机器人交互系统中得到充分的验证，实验结果表明自然人机交互可以允许用户更高效地与机器人进行交互，同时用户不需要记忆过多的交互指令。连续三维手势交互算法及其在机器人交互上应用的新平台研制完成，在自然人机交互算法、非受限的人-机器人交互方式以及缩短人机交互距离等基础性问题上取得突破性的进展，为机器人友好交互的进一步优化和深入研究提供基础性的方法和平台支持，从而推动自然人机交互理论的进一步发展，及其在机器人友好交互上的广泛应用。以上成果已发表在国际高水平期刊论文上（包括2篇SCI一区TOP期刊论文），申请多个发明专利（其中两项已授权），并撰写专著一部。