CoBOS: Constraint-Based Online Scheduler for Human-Robot Collaboration

人与机器人参与的装配过程是具有挑战性的场景，因为需要协调个别活动和共享工作空间。固定的机器人程序不允许偏离固定协议。在这样的过程中工作可能会给用户带来压力，导致无效的行为或失败。我们提出了一种新颖的在线基于约束的调度方法，在反应式执行控制框架下使用行为树，称为CoBOS。这使得机器人能够适应不确定事件，如延迟的活动完成和活动选择（由人类完成）。用户将会感受到更少的压力，因为机器人同事会调整他们的行为以最好地补充人类选择的活动来完成共同的任务。除了改善工作条件外，我们的算法还可以在高度不确定的情况下提高效率。我们使用56000个实验进行了概率仿真研究来评估我们的算法。我们在所有基线测试中都取得了4-10％的优异成绩。使用Franka Emika Panda机器人和基于HTC Vive VR手套的人类跟踪进行的初始实际机器人实验看起来很有前途。

在线约束规划算法在人机协作装配中的应用

使用基于约束的在线调度算法，结合行为树实现人机协作装配中的实时反应控制

算法能够适应不确定事件，提高装配效率，实验结果表明算法优于现有基准，实验使用Franka Emika Panda机器人和HTC Vive VR手套进行

人机协作装配中的其他调度算法研究，如基于规划的方法和基于启发式算法的方法