A New Human-Likeness and Comfort Index for Robot Movements Along Prescribed Paths
作者: Rosanna Coccaro, Enrico Ferrentino, Antonio Parziale, Angelo Marcelli, Pasquale Chiacchio
分类: cs.RO
发布日期: 2026-07-09
备注: 14 pages, 5 figures, accepted for IEEE Transactions on Cybernetics
DOI: 10.1109/TCYB.2026.3707010
💡 一句话要点
提出人类相似性与舒适度指数以优化机器人运动
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 人机交互 机器人运动 舒适度评估 人类相似性指数 动力学建模 实验验证
📋 核心要点
- 现有方法在机器人运动的接受度上存在不足，单纯的视觉相似性无法确保用户的舒适体验。
- 论文提出了一种基于人类运动动力学特征的相似性指数，旨在量化机器人运动的舒适度与人类运动的相似性。
- 通过68名受试者的实验，验证了人类相似性指数与感知舒适度之间的相关性，展示了该方法的有效性。
📝 摘要（中文）
随着人机交互在多个领域的快速发展，机器人接受度的重要性日益凸显。仅仅具有人体的视觉相似性并不足以确保在物理交互中的接受度，因为接受度直接与舒适度和人体工程学相关，这些因素通过人类感知的机器人运动质量来衡量。本文探讨了舒适度与机器人运动与人类运动相似性之间的关系，重点关注运动的时间规律，并基于对人类运动的动力学特征分析，定义了人类相似性指数，用于对轨迹进行先验表征。该指数可用于评估轨迹生成算法在实际执行前产生人类相似运动的性能。通过68名受试者的舒适度评估，实验结果表明，感知舒适度的偏好与人类相似性指数的分布之间存在一致的趋势。
🔬 方法详解
问题定义：本文旨在解决机器人运动在物理交互中接受度不足的问题，现有方法往往忽视了运动的舒适度和人体工程学因素。
核心思路：通过定义人类相似性指数，量化机器人运动与人类运动的相似程度，以此评估机器人运动的舒适度，从而提升用户的接受度。
技术框架：整体流程包括对人类运动的动力学特征进行建模，定义相似性指数，并通过实验验证该指数与用户舒适度的关系。主要模块包括运动特征提取、相似性指数计算和用户评估。
关键创新：最重要的创新点在于提出了基于对数正态分布原则的人类相似性指数，该指数能够在实际执行前评估机器人运动的舒适度，与传统方法相比，更加注重运动的时间规律和人类感知。
关键设计：在设计中，采用了对数正态分布来建模人类运动的时间特性，设置了多个实验场景以验证相似性指数的有效性，并通过68名受试者的反馈进行数据分析。
🖼️ 关键图片
📊 实验亮点
实验结果显示，受试者对机器人运动的舒适度评估与人类相似性指数之间存在显著相关性，验证了该指数的有效性。具体而言，受试者在感知舒适度上的偏好与相似性指数的分布呈现出一致的趋势，表明该方法在提升用户体验方面的潜力。
🎯 应用场景
该研究的潜在应用领域包括服务机器人、医疗机器人以及人机协作系统等。通过优化机器人运动的舒适度，可以提升用户体验，促进机器人在各个领域的广泛应用，具有重要的实际价值和未来影响。
📄 摘要（原文）
As human-robot interaction rapidly spreads in numerous fields, the subject of robot acceptance gains increasing importance. Visual similarity to the human body, as occurs for humanoids, is generally not enough to ensure acceptance in physical interaction, as acceptance directly links to comfort and ergonomics, which are measured in terms of the quality of the robot movement perceived by the human. This paper discusses the connection between comfort and similarity of the robot movement to the human one. By considering the kinematic characterization of human movement, this paper focuses on the time laws of such movements, wherein the end-effector path is prescribed. Based on the lognormality principle for modeling human movements, a human-likeness index is defined and used to provide an a priori characterization of trajectories. Such an index can be used to evaluate the performance of trajectory generation algorithms in producing human-like movements before they are actually executed. For validation purposes, 68 subjects are required to judge their comfort. The results of three experimental campaigns involving a physical interaction with a robot demonstrate a globally consistent trend between the preference in terms of perceived comfort and the distribution of the suggested human-likeness index.