Catch, Throw, Repeat: Planning for Human-Robot Partner Juggling
作者: Jonathan Rainer Lippert, Kai Ploeger, Abir Chowdhury, Hermann Müller, Jan Peters, Alap Kshirsagar
分类: cs.RO, cs.HC, eess.SY
发布日期: 2026-07-16
备注: Accepted at the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026)
💡 一句话要点
提出实时规划与控制架构以解决人机合作杂耍问题
🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱七：动作重定向 (Motion Retargeting) 支柱八：物理动画 (Physics-based Animation)
关键词: 人机合作 动态物体交换 实时规划 运动控制 杂耍 预测性跟踪 轨迹优化 状态机
📋 核心要点
- 动态物体交换在人机交互中面临感知和时机的不确定性，现有方法难以实现精确的协调。
- 提出了一种实时规划与控制架构，结合预测性跟踪和在线轨迹优化，支持人机同步杂耍。
- 实验结果显示，参与者在三球杂耍中表现优异，部分参与者的表现显著超越了以往记录。
📝 摘要（中文）
动态物体交换在人机交互中仍然是一个具有挑战性的问题，尤其是在感知、时机和接触丰富的交互中。人机杂耍是这一问题的一个复杂实例，要求精确的实时协调、预测性运动规划和反馈控制，以及对人类运动变异性的鲁棒性。本文提出了一种实时规划与控制架构，使机器人能够与人类合作进行多球杂耍，系统集成了预测性球体跟踪、自适应在线轨迹优化和基于状态机的协调逻辑。在一项包含8名不同杂耍技能参与者的用户研究中，系统成功实现了三球的共享杂耍，所有参与者的表现均超过了之前的最佳记录。
🔬 方法详解
问题定义：本文旨在解决人机合作杂耍中的动态物体交换问题，现有方法在实时协调和人类运动变异性处理上存在不足。
核心思路：通过实时规划与控制架构，结合预测性球体跟踪和自适应轨迹优化，提升人机合作的精确性和鲁棒性。
技术框架：系统包括三个主要模块：预测性球体跟踪模块、在线轨迹优化模块和基于状态机的协调逻辑模块，确保机器人与人类的同步动作。
关键创新：本研究的创新在于将多重发射形式的轨迹优化与状态机协调相结合，显著提高了人机杂耍的协调性和成功率。
关键设计：系统采用多重发射轨迹优化算法，实时调整轨迹参数，确保机器人能够适应人类的运动变化，提升了整体的交互体验。
🖼️ 关键图片
📊 实验亮点
实验结果显示，参与者在10分钟的测试中均超过了之前的最佳表现，其中一名参与者成功实现了20次连续接球，另有一名参与者在单球接回场景中达到了100%的成功率，表现出色。
🎯 应用场景
该研究的潜在应用领域包括娱乐、教育和人机协作等场景，能够促进机器人在动态环境中的适应能力和交互能力，推动人机协作技术的发展。未来可能在体育训练、表演艺术等领域得到广泛应用，提升人机互动的趣味性和实用性。
📄 摘要（原文）
Dynamic object exchange between humans and robots remains a challenging problem due to uncertainty in perception, timing, and contact-rich interaction. Human-robot juggling represents a particularly demanding instance of this problem, requiring precise real-time coordination, predictive motion planning with feedback control, and robustness to variability in human motion. Enabling such skills is of interest for advancing physical human-robot interaction and shared autonomy. We present a real-time planning and control architecture for human-robot partner juggling that enables a robot to reliably catch and throw balls in synchronized multi-ball patterns with a human partner. The system integrates predictive ball tracking, adaptive online trajectory optimization using a multiple-shooting formulation, and a state-machine-based coordination logic to enable synchronized multi-ball human-robot partner juggling. In a user study with 8 participants of varying juggling skill from beginner to expert, we demonstrate that our system can achieve three-ball cascades shared between the robot and the human. All participants exceeded previously reported best-case results within a 10-minute test session, with one participant extending the previous record for shared three-ball cascade juggling fivefold to 20 consecutive robot catches, and another participant achieving a 100% success rate with 40 consecutive catches in a single-ball catch-and-return setting. Video documentation can be found at https://kai-ploeger.com/partner-juggling