Robot Handover
- 又稱: object handover, human-robot handover, handoff
- 類別: Control › Human in the loop
- 標籤: human-robot-interaction, grasping, collaborative-robots, physical-hri, manipulation
物體在機器人與人之間的實體傳遞,可以是人到機器人或機器人到人,並透過動作、時機、抓取選擇與力來協調。
定義
機器人遞交(robot handover)是機器人與人之間互相傳遞物體的共同動作。通常分成兩個方向:人到機器人(H2R)遞交,由機器人接過人手上拿著的物體;以及機器人到人(R2H)遞交,由機器人遞出物體讓人接過。機器人之間的交換也存在,但通常被當成另一個完全受控的問題。遞交是一小段實體人機互動:在某個片刻,雙方同時握著同一個物體,只有在一方鬆手的同時另一方承接負載,傳遞才會成功。
遞交通常以階段來描述。在接近(approach)或伸手階段,遞出者呈上物體,接收者朝它移動;機器人必須決定要在哪裡與人會合、在什麼高度、以什麼時機。在傳遞(transfer)階段,雙方的手都在物體上,遞出者在接收者承接重量時放開抓握。人類是藉由感覺透過物體傳來的負載變化來完成這件事,機器人也常模仿這一點:在 R2H 遞交中,當腕部力/力矩感測器或馬達電流顯示人正在拉動或托住物體時,機器人便張開夾爪。在撤回(retreat)階段,遞出者收手,接收者把物體帶走。
H2R 遞交還多了一個感知與抓取的問題。機器人必須追蹤物體與人的手,而且常常只靠一台深度攝影機,遮擋又很嚴重;它要選出一個不會碰到人手指的抓取,並隨著手的移動持續更新這個選擇。反應式方法會在點雲中分割出手與物體,產生候選的 6-DoF 抓取姿態,捨棄靠近手的那些,再以閉迴路方式把夾爪伺服到剩下最好的抓取。R2H 遞交則更重視可讀性(legibility):以自然的高度遞出物體、把握把朝向人,並採用可預測的動作,讓人知道何時、在哪裡去接。
為何重要
在家庭、醫院與工作坊裡,遞東西將會是人與機器人分擔工作最常見的方式之一。遞交在一個短暫的動作中結合了感知、抓取、運動規劃與人身旁的安全,而失敗會立刻被注意到:物體掉落、手指被夾,或是讓人感到不自在的遲疑時機。
主要應用
- 協作組裝,由機器人把工具與零件遞給作業員
- 輔助型機器人把物體遞給行動不便的人
- 手術與實驗室中的器械輔助
- 家庭、零售與餐旅業的服務型機器人
- 在教導過程中接過人遞給機器人的物體
實際應用
一支配有平行夾爪與腕部深度攝影機的協作手臂,被設定為從技術人員手中接過工具。在每一個攝影機影格中,系統從點雲分割出人的手與工具,在工具的點上執行抓取網路以取得候選的 6-DoF 抓取姿態,並捨棄任何夾爪體積與手部點距離在幾公分以內的抓取。手臂以限速控制器朝剩下得分最高的抓取移動,並在靠近工具時切換為較慢的最後接近。它閉合夾爪,然後等待力/力矩感測器顯示工具的重量已經轉移到機器人身上,才收回手臂。在相反的方向,也就是把工具遞還給人時,手臂把工具舉在胸口高度、握把朝向人,只有在量測到超過設定門檻的拉力時才鬆開。
常見誤解
- 遞交只是抓取一個剛好被人拿著的物體 — 人的手限制了哪些抓取是安全的,物體會持續移動,而且鬆手必須與對方協調
- 機器人應該在夾爪一閉合就鬆開 — 在接收者承接負載之前鬆手會讓物體掉落;設計良好的系統會在量測到負載已經轉移時才鬆開
- 遞交越快越好 — 人偏好可預測、可讀的動作,突兀或非常快速的接近會降低舒適感與感受到的安全性
- 人到機器人與機器人到人的遞交是同一個問題反過來 — H2R 以感知與抓取選擇為主,R2H 則以物體的呈遞方式與鬆手時機為主
誰需要了解
- 人機互動研究人員
- 協作機器人應用工程師
- 輔助型與服務型機器人開發人員
- 在人身旁工作的抓取與操作工程師
相關技術
- 六軸力/力矩感測器(Six-Axis Force-Torque Sensor)
- 手部姿態估測(Hand Pose Estimation)
- 6-DOF GraspNet
- MoveIt
- ISO/TS 15066
相關術語
相關專案
- LeRobot: HuggingFace ML library for real-world robotics in PyTorch
- Isaac Lab: NVIDIA robot learning framework: one task API across Newton, PhysX and Isaac Sim
- NVIDIA Isaac GR00T: NVIDIA open foundation model for humanoid robot reasoning and skills
- OpenVLA: 7B-parameter Vision-Language-Action model for robotic manipulation
- Drake: MIT robotics toolbox for model-based dynamics, optimization, and control system design
- OpenArm: 7DOF humanoid arm for physical AI research in contact-rich environments