文|芝士派講解員
編輯|芝士派講解員
近年來人機協作已成為一個突出的研究課題，為了加強協作并確定人與機器人之間的安全，研究人員采用了多種方法。
其中一種方法是生理計算，是為了通過測量各種生理信号來估計人類的心理生理狀态，使用這些資訊向機器人提供回報。
在協作機器人的研究過程中，生理計算發揮了怎樣的作用？
①
●○簡介○●
機器人的激增正在迅速改變我們的生活、工作和與技術互動的方式，國際機器人聯合會 報告稱，11 年至 2019 年間，全球機器人數暴增，協作機器人是這一增長的重要貢獻者。
這種擴張可歸因于兩個主要因素：成本和能力，在過去五年中，機器人的機關價格下降了50%，而通過機器學習的進步，它們的能力得到了顯着提高，使它們能夠執行更複雜的任務。
機器人變得更加智能和有才華，公司越來越多地在生産環境中使用它們，随着機器人越來越融入勞動力隊伍，安全措施已成為重中之重。
安全協定已成為工業應用的核心焦點，實施實體和電子保護措施以確定勞工安全，盡管采取了這些預防措施，但人機協作仍需要新的政策和方法，因為實施複雜保護方案的标準較少。
為了解決這個問題，市場上出現了一種被稱為“協作機器人”或“協作機器人”的新型機器人，這些機器人是為了在确定的工作空間中與人類直接合作，進而降低碰撞造成的傷害的嚴重程度和風險。
②
●○生理計算○●
生理計算是一個多學科領域，通過利用人類生理信号來模拟和了解個體的心理生理狀态，這涉及識别、解釋和處理生理信号，以動态調整和适應使用者的心理生理狀态。
生理計算的研究領域包括人機互動，腦機互動和情感計算，最終目标是使程式和機器人能夠根據使用者的心理生理狀态修改其行為，這将使它們能夠以社會智能和可接受的方式進行互動。
圖1.生理計算可以在人機協作（HRC）領域發揮作用
假設機器人的行為會影響人類的生理反應，通過監測協作過程中的人體生理反應，可以獲得有關人類心理生理狀态的寶貴資訊，這些資訊可用于增強協作，使其更安全、更無縫。
生理計算是HRC的重要組成部分，它通過提供對使用者生理狀态的關鍵洞察力來促進有效的人機互動，進而相應地指導機器人的行為。
生理計算影響了許多領域，以電子學習為例，生理計算可以幫助導師根據學生的興趣、無聊、沮喪等情感狀态來修改演講風格。
在汽車領域，當駕駛員不注意道路時，它可以用作周圍車輛的警報系統，在社交機器人中，生理計算可以幫助機器人寵物增強真實感。
為了擁有一個安全的環境，機器人應該感覺人類的認知和身體狀态，這将有助于建立人與機器人之間的信任，在人機互動設定中，機器人運動的變化會影響人類行為。
在人機任務期間持續監測生理信号是量化人類對自動化信任的第一步，從這些信号中推斷并實時結合它們以适應機器人運動可以增強人機互動。
這種能夠進行“生理計算”的系統将導緻一個封閉的人在環系統，其中HRC設定中的人和機器人都受到監控并共享資訊。
根據腦力工作量，可以過濾顯示的資料量，以減少飛行模拟中的工作量，電腦遊戲可以根據玩家的焦慮程度改變難度級别。
③
●○生理信号○●
人類心理生理狀态的表示需要對生理信号進行複雜的分析。為了估計心理生理狀态，使用了各種生理信号。
除了人機互動中常用的生理信号外，還有其他幾種信号在HRC研究中具有潛在的用途，這些信号要麼不是很常見，要麼很難收集。
腦電圖是一種測量大腦中神經元電活動的方法，腦電圖信号是一個複雜的信号，目前在神經科學心理學領域進行了廣泛的研究，腦電圖信号可以通過侵入性或非侵入性方法收集。
非侵入性方法被廣泛用于收集大腦的活動，在伽馬波段中，尚不清楚伽馬波段振蕩反射了什麼，可以說工作時戴腦電圖帽可能會不舒服。
必須指出的是，在工業中，勞工必須戴頭盔或帽子，随着物聯網系統和無線通信的出現，腦電圖傳感器的尺寸縮小它們可以嵌入耳機中。
心電圖是一種廣泛使用的記錄心髒電活動的非侵入性方法，通過測量心髒産生的電信号，心電圖可以提供有關心髒功能的寶貴資訊，并檢測心房顫動、缺血和心律失常等疾病。
光電容積描記圖是一種低成本且友善的方法，為測量心率和心率變異性提供了傳統ECG方法的替代方案。
PPG技術使用放置在皮膚上的光源和光子檢測器來測量光的反射量，這與血液循環的體積變化相對應。與使用 QRS 波群的心電圖信号不同，PPG 信号依賴于心跳間期 進行心率和 HRV 計算。
皮膚電反應或皮膚電活性是通過測量皮膚電導率獲得的生理信号，每當汗腺被觸發時，皮膚的電導率就會發生變化。
這種現象是由自主神經系統的交感神經分裂控制的無意識過程，當暴露于情緒時刻或不受歡迎的情況時，交感神經分裂被激活。
GSR信号是一種非侵入性方法，它使用兩個電極放置在手掌，手指或腳底，這是情緒喚醒的常用位置，GSR信号有兩個組成部分：強直水準;皮膚電導水準;和相位反應，稱為皮膚電導反應 。
人類的視覺注意力可以通過眼球運動來檢測，這些資訊對于神經營銷學和心理學研究至關重要，注視跟蹤提供有關拍攝對象正在注視位置的資訊。
這些資訊也可用于其他領域，如機器人技術，雖然瞳孔散大可由環境中的環境或其他光強度變化引起，但研究表明，瞳孔擴張也可能因情緒變化而擴張。
肌電圖是一種非侵入性方法，用于測量肌肉産生的電活動，另一個例子是利用面部肌肉提供有關突然情緒變化或反應的資訊。
表 1.從心電圖、GSR、瞳孔測量和腦電圖信号中提取的常用生理名額。
深度學習算法可以從原始資料中學習，但它們需要大型資料集，這可能很難獲得，與深度學習模型相比，經典機器學習 算法通常需要特征進行訓練。
從信号中提取特征有不同的方法，例如時域和頻域，有一些開源庫可以簡化特征提取任務。
除了深度學習和經典ML之外，還有其他方法依賴于子序列搜尋和相似性測量，更适合實時應用，時間序列子序列搜尋是一個專注于查詢搜尋和時間序列分割的Python庫。
④
●○資料收集方法○●
收集高品質資料在生理計算系統中至關重要，因為它可以從信号中提取所需的資訊，有幾種方法可用于收集生理信号。
方法是一種定義正常或典型值的方法，然後在實驗或研究期間将其用作參考點，這種方法通常用于生物控制論适應應用。
圖2.四種資料收集方法：基線、試驗前、試驗中和試驗後/試驗後。
為了在這種情況下應用基線方法，研究人員通常會在比賽前記錄受試者的生理信号，并将其标記為基線。
他們使用這些資訊來建立門檻值并在遊戲中做出決定，并且可能會降低難度以改善玩家的體驗，基線方法為實時測量和響應生理信号提供了一個有用的架構，可以提高各個領域幹預措施的有效性。
這些資料描述了受試者在試驗前的生理狀态，使研究人員能夠識别試驗前後參與者生理狀态的變化，提供有關他們日常通勤的寶貴資訊。
這種方法有其局限性，它要求參與者多次回答相同的問題，這可能會讓人不知所措，并可能影響所收集資料的品質，研究人員需要找到在收集準确可靠的資料的同時盡量減少參與者負擔的方法。
試驗後資料收集是一種常用的技術，其中向受試者呈現視覺刺激，受試者在試驗後通過回答問卷來評估刺激。
問卷後調查的主觀性可能導緻有偏見的回答，參與者可能難以準确地回憶他們的經曆。是以，研究人員需要仔細設計他們的問卷後，并確定它們适合研究的目标，以獲得可靠和有效的資料。
研究人員可以考慮使用補充資料收集技術，例如生理測量，以驗證通過問卷後獲得的結果。
試驗期間資料收集方法涉及在正在進行的試驗期間向參與者提出相同的問題，這種方法對于監測試驗進展很有價值，他們在試驗期間收集了感覺的安全性資料，并證明試驗期間資料收集比試驗後方法提供了更多資訊。
為了確定實驗的完整性，必須考慮試驗期間資料收集的兩個關鍵方面，由于審判尚未結束，是以必須限制提出的問題數量。
資料輸入應該毫不費力，與其使用筆和紙來收集參與者資料，不如提供一個應用程式，使參與者能夠使用平闆電腦螢幕上的水龍頭輸入他們的回答。
在試驗期間記錄受試者的音頻回報可能會改善試驗期間的資料收集。總之，試驗期間資料收集方法提供了額外的資訊，但問卷中的問題數量應有限，以保持實驗的完整性。
⑤
●○資料标簽○●
資料收集後，需要标記生理信号，在某些情況下，标簽可能很麻煩，特别是在生物控制論适應中。
在視覺實驗中，所顯示圖像或視訊的确切時間是已知的，生理信号可以很容易地用相應的标簽進行标記。
圖3.資料收集方法。
在與動作相關的實驗中，受試者重複手勢/動作的時間是已知的，可以相應地标記捕獲手勢的視窗。
問卷是定量研究中廣泛使用的工具，在人機協作研究中，問卷對于評估各種方法的有效性至關重要。
研究人員建立自己的一組問題或修改現有的問卷以适應他們的研究假設。以下是HRC研究中一些常用的問卷。
⑥
●○相關作品○●
根據刺激類型，樣本量，資料收集方法，資料标記技術以及生理計算領域使用的機器學習算法進行分類的一些相關工作。
有許多研究側重于通過生理信号估計一個人的情緒狀态、人類壓力水準和認知狀态。此外，還有其他研究人員在研究機器人行為的心理方面。
表 2.該表顯示了根據生物信号、受試者數量、資料收集和标記類型制表的相關研究。
在實驗過程中從受試者那裡收集生物信号和主觀反應，實驗的主觀反應結果表明，受試者在安全計劃期間比經典計劃者感到更少的焦慮。
波紋肌電圖信号無助于估計喚醒和價，焦慮與速度、驚喜與速度之間存在很強的正相關關系，平靜與速度之間存在負相關關系。
與日本的女學生相比，男學生對機器人互動的消極态度更少，受試者的任務是使用智能手表IMU提供的手勢導航移動機器人。
當受試者控制機器人時，測量他/她的精神狀态，當受試者受到壓力時，機器人的速度減半，降低機器人速度延長了任務完成時間,結果效率降低了。
心髒活動是焦慮的強烈名額，第一階段是開發用于焦慮分類的回歸樹模型，在第二階段，該模型用于根據玩家的焦慮設定遊戲的難度。
當基于焦慮的任務處于活動狀态時，滿意度提高了71%，實驗結果表明，腦力工作量與機器人的速度成正比，與距離成反比。
結果表明，類人機器人和典型機器人并無不同，對自動化的信任與與機器人合作的意圖之間存在中等相關性，對自動化的信任與對自動化的偏好之間存在弱正相關關系。
白天收集六名受試者的GSR信号，每天進行兩次調查進行标記，使用腦電圖信号來檢測發起眼神接觸的意圖。
在試驗期間，受試者被要求填寫NASA-TLX問卷，結果表明，當沒有關于目标的明确資訊時，腦機接口可以用作連續适應。
主觀反應用于将情緒映射到喚醒和價域，計算一個舒适指數以确定喚醒和價域上的不适軸，根據計算出的舒适指數，調整機器人行為的速度，以減少受試者變得更加不舒服時的不适感。
這項研究強調了在設計機器人行為時考慮主觀舒适度的重要性，并證明了生理信号作為控制機器人行為的回報機制的潛力。
每種算法在準确性、計算成本和實時适用性方面都有自己的優缺點，算法的普遍性和普遍性取決于所用生理信号的類型和數量，以及影響人類情緒和認知狀态的文化和個人因素。
在不同的文化和人群中進行進一步的實驗以驗證這些算法在現實世界場景中的适用性非常重要。
⑦
●○讨論○●
在HRI應用領域，安全性和流暢性在行業标準中至關重要。雖然目前的安全标準涉及一系列潛在危險，但它們可能不夠全面，無法確定最大的安全性。
實施新标準和個人适應方法對于進一步提高安全性至關重要，一種有前途的方法是生理計算，它有可能通過個性化人與機器人之間的互動來提高HRI應用程式的安全性和流暢性。
預計在不久的将來将開發多種生理計算變體，這将進一步提高人機應用的安全性和流暢性，随着可穿戴技術行業的不斷發展，研究人員和公司越來越容易将這些技術整合到他們的工作中。
這包括內建新的和先進的傳感器，随着其生産變得更加主流，這些傳感器變得越來越實惠。通過利用這些新技術，可以增強人與機器人之間的協作，進而實作更無縫和直覺的互動。
HRI應用程式的一個缺點是缺乏開源資料集，未來的研究工作需要實施自己的實驗并收集資料,公共資料集将使研究人員能夠比較和改進現有方法，同時最大限度地節省時間和精力。
除了HRC之外，受益于這些傳感器的另一個領域是活動識别，它也可以用作HRC應用的輸入。
與資料收集方法類似，資料标記也缺乏協定，沒有任何用于資料标記的标準協定，研究人員根據實驗标記他們的資料，這使得複制和比較結果變得困難。
随着該領域的不斷發展，我們可能會看到多模态傳感器系統的更多創新用途，這将對人機協作的未來産生重大影響。
參考文獻：
李海旺，隋春平，王宇坤，山天涯， 霍少達：協作機器人運動學應用标定方法。2023
潘京輝：多關節協作機器人故障診斷及容錯控制研究。2023
闫子晨：協作機器人模仿學習運動規劃與軌迹跟蹤控制研究。2023
黃晶：制造中協作機器人系統的安全保證機制。2021
如果你喜歡我的寫的文章，麻煩請點個“關注”，歡迎在評論區與我一同探讨，願世界和平。
END