NIC Lab | 基于动态权限边界的人机权限分配方法研究

研究背景与意义

人机协同控制中，人类操作者具有独特的认知优势，主要体现在对动态环境的实时感知与判断能力（能够快速捕捉复杂场景中多源信息的细微变化，并结合现场实际做出符合客观规律的判断）、基于经验与直觉的复杂决策能力（面对缺乏明确规则或多目标冲突的复杂任务，可通过直觉与经验迁移快速锁定最优解决方案）以及对非预期事件的灵活应对能力（能够突破固定程序限制，通过创造性思维制定应急策略）这几个方面。相较而言，机器系统具有显著的计算优势，主要包括大规模数据的高效处理与分析能力（可在短时间内完成海量结构化与非结构化数据的筛选、运算及关联分析）、实时响应能力（能够对控制指令或环境变化做出毫秒级响应）以及精准操作能力（在标准化任务中可保持稳定的操作精度与一致性）。人机协同控制通过结合人类的认知优势与机器的计算优势，合理划分人机权限，以期突破单一主体的能力局限，取得“1+1>2”的效果，为复杂系统的控制提供了创新性解决方案。人机协作示意图如图1所示。

图1 人机协作示意图

想要发挥人机协作优势的关键是设计有效的权限分配策略。但现有的权限分配策略主要基于环境风险等级进行决策，未能充分考虑人类状态、人机信任程度等因素对权限分配的影响，忽略这些因素可能导致控制效果下降甚至引发安全问题。部分研究尝试将人类状态或人机信任等因素纳入权限分配框架，但缺乏将这些因素系统性地纳入权限分配机制的方法，这会导致需要考虑多个因素时协同控制效果下降。因此，研究人机协同控制中的系统性权限分配影响因素整合机制即动态权限边界，探讨如何利用动态权限边界改善人机协同控制效果有重要意义。

研究现状

共享控制

共享控制最早应用于工业机器人中，最初由Sheridan和Verplank提出，定义为“自动化和人类同时处理同一任务的情况”[1]。当前，共享控制研究已在移动机器人、医疗机器人、康复辅助机器人及人机共驾等多个领域得到广泛探索，其中尤以人机共驾领域的研究最为深入和集中。如，Guo等[2]提出了一种基于风险评估的决策权限分配方法，综合考虑人类操作员风险和环境风险，同时关注横向稳定性、防撞和执行器饱和度，确定模型预测控制中人类操作员和机器的决策权限，保证车辆在行驶过程中的安全稳定。为提高系统可靠性，减少驾驶员不确定行为影响，Li等[3]提出了一种考虑轨迹跟踪能力以及驾驶员特性的自适应权限分配模型。Yue等[4]提出一种以人类驾驶员为中心的转向共享控制方法，考虑车辆的安全状况进行权限分配，减少了因驾驶员避障失误造成的安全事故。但当前共享控制领域的研究仍存在显著局限性：其一，理论体系尚未成熟，直到目前共享控制仍缺少统一的定义；其二，研究范式尚未统一，尚未建立普适性的分析框架。其三，现有研究缺乏一般性,缺乏对通用性权限分配机制的深入探讨。构建系统性权限分配框架仍是共享控制领域亟待攻克的关键问题。

接管控制

接管是指原本由机器完全控制系统完成任务，在某些特殊情况下(如机器控制达到性能边界、突发异常情况或机器难以胜任的复杂决策场景)，机器需要将控制权限全部转移给人类操作员。在这类情况下，人类操作员往往处于 “监督待命” 状态，与决策闭环存在一定程度的 “认知脱离”。此时，人类能否快速恢复决策控制能力，并非单纯依赖操作熟练度，而是与多方面人体状态密切相关，如人的认知负荷、肌肉状态、疲劳程度等。人类操作者需要一定的时间恢复相关能力，突发性的权限切换会引发安全问题。因此，如何在人类态势感知能力需要恢复的条件下，确保控制权移交的安全性与平稳性，成为控制模式切换方法设计中的关键。现有的接管控制研究同样方法论层面尚未建立统一的研究范式，特别是缺乏有效整合人类因素进行权限转移策略设计的系统性方法。同时对于接管的研究也较为局限，大都针对具体场景中的具体问题设计专门的方案，方法针对性较强，缺乏综合性研究方法。构建统一的整合人类因素对接管控制的权限转移影响的框架仍是提升接管效能所需解决的重要问题。

本文工作

针上述问题，本研究提出构建动态权限边界以量化人类状态等因素对人机控制权限分配的影响，并在此基础上对动态权限边界在接管控制和共享控制中的应用展开研究。首先针对当前人机协作研究缺乏人类因素如何指导权限分配的系统性方法问题，提出动态权限边界方法；在此基础上，使用动态权限边界解决共享控制权限分配策略中未考虑人机信任带来的性能下降问题以及接管控制权限转移策略中如何有效综合使用人机信任和人类状态指导权限分配的问题。以上三个部分内容的有效性将在人机共驾场景中设计相关实验，验证其有效性。

参考文献