基于人类偏好对齐的建筑人机协作安全控制新方法

《Journal of Intelligent Construction》：Safety-Oriented Human-Robot Collaboration in Construction Through Human Preference Alignment

本研究针对建筑行业人机协作(HRC)中的安全隐患，提出了一种创新性的安全导向控制方法。通过开发在线标注工具收集人类对机器人行为的偏好数据，训练偏好预测模型(RankNet)实现安全行为量化评估。实验表明，该方法在锤子/抹刀交接、钢筋抬升等典型任务中能准确识别最优安全行为(成功率82%-84%)，为动态施工环境下的机器人安全控制提供了可扩展解决方案。

　　

在钢筋林立的建筑工地上，工人们正与机械臂协同完成工具传递作业。突然，机械臂一个急速转身，让正在接工具的工人下意识后退半步——这样的场景揭示了人机协作(HRC)时代建筑业面临的新挑战。据统计，建筑业占全球GDP的13%，却贡献了20%的职业死亡事故，每年约6万人殒命工地。面对劳动力短缺与高事故率的双重压力，机器人融入施工现场已成为必然趋势，但如何让这些"钢铁同事"学会"察言观色"，成为保障工人安全的关键课题。

传统机器人安全标准如ISO/TS 15066虽提供了协作空间规范，却难以应对施工现场瞬息万变的复杂环境。当机械臂进行工具传递时，既要考虑末端执行器的运动轨迹，又要兼顾工具重量、工人站位等动态因素，这使得基于固定规则的安全控制策略常常失效。更棘手的是，不同施工任务（如锤子交接与钢筋抬升）存在的风险维度各异，需要机器人具备情境感知能力。

《Journal of Intelligent Construction》最新发表的研究中，哥伦比亚大学团队另辟蹊径，将人类安全偏好作为机器人行为的"指南针"。研究团队设计了系统性的解决方案：首先开发在线标注工具，邀请具有施工安全经验的人员对机器人姿态进行两两比较标注；接着采用RankNet神经网络学习这些偏好数据，构建能够量化评估行为安全性的评分模型；最终通过实时采样优化，引导机器人选择最符合人类安全期望的动作。

关键技术方法包括：1）基于MediaPipe手部关节点追踪与机器人运动学模型的坐标系统一化处理；2）采用包含两个64维隐藏层的RankNet网络结构，通过交叉熵损失函数优化偏好预测精度；3）利用Borda计数法整合多人标注的共识排名，结合Spearman等级相关系数评估模型对齐度；4）在锤子/抹刀交接、钢筋抬升三类典型任务中采集500张姿态图像，通过8名标注者完成约1500组对比标注。

偏好标注与模型构建

研究团队设计了专门的在线标注界面，标注者需从随机呈现的机器人姿态对中选择更安全的选项。每个任务收集约4000组有效对比数据，通过式(1)的sigmoid函数将评分差值转换为偏好概率。RankNet模型通过最小化式(2)的交叉熵损失，使模型输出的安全评分能准确反映人类偏好。实验显示，模型在测试集上的平均配对准确率达92%-95%，与共识排名的Spearman相关系数达到1.0。

模型性能验证

如表1所示，模型对不同标注者的偏好预测准确率存在差异（86%-99%），这反映了安全评估的主观性。但通过Borda计数整合多人意见后，模型生成的全局排名与共识排名完全一致。特别是在抹刀交接任务中，尽管个别标注者间存在分歧（相关系数最低0.6），但模型仍能准确识别出被公认最安全的姿态（避免锐缘朝向工人手部）。

实机验证结果

如图6所示，在实际操作中，系统首先通过深度相机捕捉工人手部三维位置，在以手部为中心的球形动作空间内采样1000个候选点。评分模型对每个候选位置进行评估后，选择最高分的位置控制机械臂运动。从45°、90°、135°三个视角进行的测试表明（图7），该方法在不同观测角度下均保持稳定性能，锤子交接任务成功率达85%-87%。图8展示了机械臂最终采纳的安全姿态与人类偏好高度一致。

训练数据规模优化

如图9所示，当训练数据量达到1000组时，模型性能趋于稳定。这一发现为降低数据收集成本提供了重要参考，使得该方法在实际应用中更具可行性。

研究表明，基于人类偏好的学习方法能有效解决建筑HRC中的安全决策难题。该方法突破传统规则式控制的局限性，通过量化安全偏好实现动态行为优化。特别是在应对工具交接等复杂任务时，模型展现出对多维度风险的综合权衡能力。未来研究可结合规则约束与偏好学习，形成"硬约束+软优化"的双重保障机制，并扩展至动态场景下的安全控制。这项工作为构建更智能、更人性化的建筑机器人系统奠定了重要基础，标志着人机协作安全控制从"规则遵从"迈向"价值对齐"的新阶段。