Integrating Ergonomics and Manipulability for Upper Limb Postural Optimization in Bimanual Human-Robot Collaboration

📄 arXiv: 2511.04009v1 📥 PDF

作者: Chenzui Li, Yiming Chen, Xi Wu, Giacinto Barresi, Fei Chen

分类: cs.RO

发布日期: 2025-11-06

备注: 7 pages, 7 figures, IROS 2025 accepted

💡 一句话要点

提出一种人机双臂协同搬运姿态优化方法，兼顾人体工效学与操作灵活性。

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 人机协作 姿态优化 人体工效学 操作灵活性 模型预测控制 双臂机器人

📋 核心要点

  1. 现有的人机协作研究通常只关注人类安全或操作效率，缺乏对人体工效学和操作灵活性的综合考虑。
  2. 该方法通过优化人体骨骼模型的关节角度，并结合模型预测阻抗控制，引导人类达到更安全、更灵活的协作姿态。
  3. 实验结果表明，该方法能够显著改善肌肉状况，验证了其在人机协作中的有效性。

📝 摘要（中文）

本文提出了一种上肢姿态优化方法，旨在增强人机双臂协同搬运任务中的人体工效学和力操作灵活性。现有研究通常侧重于人身安全或操作效率，而我们提出的方法独特地整合了这两个方面，以加强各种条件下的协作（例如，人类不同的抓握姿势和物体的不同形状）。具体而言，通过最小化成本函数来优化简化的人体骨骼模型的关节角度，从而优先考虑安全性和操作能力。为了引导人类达到优化的姿势，通过转换模块生成机器人的参考末端执行器姿势。为我们的人形机器人CURI提出了一种双臂模型预测阻抗控制器（MPIC），通过规划的轨迹重新校准末端执行器的姿势。所提出的方法已通过各种受试者和物体在人-人协作（HHC）和人-机器人协作（HRC）中得到验证。实验结果表明，通过比较优化前后目标肌肉的激活情况，肌肉状况得到了显著改善。

🔬 方法详解

问题定义：论文旨在解决人机双臂协同搬运任务中，如何同时优化人体工效学和操作灵活性的问题。现有方法的痛点在于，要么只关注安全性，要么只关注操作效率，忽略了两者之间的平衡，导致协作效率低下，甚至可能造成人体损伤。

核心思路：论文的核心思路是通过优化人体姿态，使其既符合人体工效学原理，降低肌肉疲劳和损伤风险，又具有良好的操作灵活性，能够灵活应对不同的任务需求。通过模型预测阻抗控制，引导机器人配合人类的姿态，实现更自然、更高效的协作。

技术框架：整体框架包含以下几个主要模块：1) 人体骨骼模型简化与建模；2) 姿态优化，通过最小化包含人体工效学和操作灵活性的成本函数，得到最优关节角度；3) 参考末端执行器姿势生成，将优化后的关节角度转换为机器人末端执行器的目标姿势；4) 双臂模型预测阻抗控制器（MPIC），控制机器人根据规划轨迹调整末端执行器姿势，配合人类动作。

关键创新：最重要的技术创新点在于将人体工效学和操作灵活性整合到一个优化框架中，并利用模型预测阻抗控制实现人机姿态的协同调整。与现有方法相比，该方法能够更全面地考虑人机协作的需求，实现更安全、更高效的协作。

关键设计：成本函数的设计是关键，它需要平衡人体工效学和操作灵活性。人体工效学指标通常采用肌肉激活程度或关节力矩等，操作灵活性指标则采用操作椭球体积或条件数等。模型预测阻抗控制器（MPIC）的设计也至关重要，它需要能够准确预测人类的动作意图，并根据预测结果调整机器人的姿态和力，实现平滑、自然的协作。

📊 实验亮点

实验结果表明，所提出的姿态优化方法能够显著改善肌肉状况。通过比较优化前后目标肌肉的激活情况，发现肌肉激活程度明显降低，表明人体工效学性能得到了显著提升。此外，在人-机器人协作实验中，机器人能够有效地配合人类的动作，实现平滑、自然的协作，验证了该方法在实际应用中的有效性。

🎯 应用场景

该研究成果可应用于各种人机协作场景，例如：工业生产中的重物搬运、医疗康复中的辅助训练、以及家庭服务中的物品整理等。通过优化人机协作姿态，可以降低工人的劳动强度，提高生产效率，并减少因不当姿势造成的职业病风险。未来，该技术有望应用于更广泛的领域，例如：智能家居、智能物流等。

📄 摘要（原文）

This paper introduces an upper limb postural optimization method for enhancing physical ergonomics and force manipulability during bimanual human-robot co-carrying tasks. Existing research typically emphasizes human safety or manipulative efficiency, whereas our proposed method uniquely integrates both aspects to strengthen collaboration across diverse conditions (e.g., different grasping postures of humans, and different shapes of objects). Specifically, the joint angles of a simplified human skeleton model are optimized by minimizing the cost function to prioritize safety and manipulative capability. To guide humans towards the optimized posture, the reference end-effector poses of the robot are generated through a transformation module. A bimanual model predictive impedance controller (MPIC) is proposed for our human-like robot, CURI, to recalibrate the end effector poses through planned trajectories. The proposed method has been validated through various subjects and objects during human-human collaboration (HHC) and human-robot collaboration (HRC). The experimental results demonstrate significant improvement in muscle conditions by comparing the activation of target muscles before and after optimization.