《Digital》:A Local Edge Companion Architecture for Human-Aware Communication and Service Augmentation in Cloud-Controlled Service Robots
编辑推荐:
商业云控服务机器人(cloud-controlled service robots)正日益部署于共享公共设施,但许多仍是以任务为中心的配送平台,难以便捷扩展周围人员识别、情境化通信策略或对内部中间件(middleware)的持续访问。本文提出本地安全伴随机器人
商业云控服务机器人(cloud-controlled service robots)正日益部署于共享公共设施,但许多仍是以任务为中心的配送平台,难以便捷扩展周围人员识别、情境化通信策略或对内部中间件(middleware)的持续访问。本文提出本地安全伴随机器人扩展(Local Safety Companion Robot Extension, LSCRx),一种非侵入式本地边缘伴随架构,可在保留制造厂商控制的云运行(manufacturer-controlled cloud operation)和内置安全功能(built-in safety functions)的同时,为此类机器人增强人本感知通信(human-aware communication)。核心贡献是一种通信空间设计方法,将机器人–用户距离、距离动态、身体线索、视场(field of view, FOV)可用性和识别置信度解释为服务级证据。在所提出的概念性策略中,逐渐且有置信度支持的接近将被视为参与证据,而分离、停在服务区外、目标丢失或识别不稳定将导致等待、远距问候、信息显示或其他保持距离的服务动作。原型将商业服务机器人与智能手机级伴随模块及本地边缘服务器结合,以演示本地身体追踪、自定位、数据传输和云应用程序编程接口(application programming interface, API)命令准备。注册空间服务航点(registered spatial service waypoints, RSSWs)中的视角感知选择与反追逐规则作为概念模型提出,未在本原型中实现或评估。在基线路线研究中,使用已知路线端点坐标进行的离线平移校正,在记录数据上将返回段人体位置平均误差从0.770 m降低至0.476 m(约38.2%);该降低未经过独立验证。评估限于单台机器人和单一大学室内地点。探索性实验涉及7名参与者,获得6个有效身体追踪数据集和7份问卷回答。这些实验与现场观察提示,非接触线索、相机安装、停止距离和视场共同影响测试条件下的服务可用性。研究结果提示一种潜在的人机交互(human–robot interaction, HRI)设计缺口:对人员社会合适的距离可能不与可靠骨骼识别技术合适的距离一致。这些初步发现进一步提示,近距离服务交互可能受益于距离感知机器人策略和稳健的宽场智能手机增强现实(augmented reality, AR)/身体追踪支持,以保持骨骼完整性和度量空间稳定性。仍需进一步评估以判断该设置之外的泛化性。
研究背景与问题:商业移动服务机器人已部署于餐厅、酒店、医院、博物馆、商场、图书馆、校园等公共设施,但多数商业部署仍主要作为以任务为中心的配送平台,执行物体运输、避障、简单信息显示并对人员触摸、阻挡或中断路径作出反应。此类能力本身不足以形成持续的人–机器人通信空间。云控商业平台支持集中管理、车队运行、软件更新和厂商维护,但也造成研究与服务增强的结构性限制:出于安全、安保、隐私和商业原因,开发者常无法访问内部传感器、低层控制或持续识别数据;部分机器人主要将运动暴露为导航至操作者在地图上注册的位姿,而非任意连续低层控制。由此形成机器人感知、HRI与平台治理边界上的研究问题:在无法替换商业机器人、且必须保留制造商控制的安全与运行边界时,非侵入式外部感知、解释和服务策略层如何支持情境化人本感知与通信空间形成。本文以短时距、中时距和长时距运营可接近性框架定位目标,但仅评估与短时距层相关的原型感知与交互能力,服务策略模型仍为概念性。
研究开展、结论与意义:研究提出LSCRx,一种面向云控商业服务机器人的本地边缘伴随架构,原则是协作式、非侵入式增强,不接管机器人移动、避障、认证安全逻辑或厂商云运行。LSCRx通过外部传感、本地周围人员解释以及问候、等待、确认、保持距离参与、停止/协助请求、远程人员升级或监督服务交接等有界服务策略支持,形成人本感知通信空间。原型由BellaBot Pro(PUDU Robotics, Shenzhen, China)、智能手机级伴随模块和本地边缘服务器构成,演示本地身体追踪、自定位、数据传输和云API命令准备。概念策略将距离、距离动态、身体线索、FOV可用性、识别置信度和RSSW可用性作为服务级证据;在不确定性下倾向于确认、等待、不接近、远距问候、人工监督协助或停止/协助请求。意义在于把封闭商业机器人从物体运输推进为共享设施中的情境化、人本感知服务通信平台,并提供短时距可接近性的分阶段可行性与设计证据。
关键技术方法(不超过250字):采用BellaBot Pro云控商业服务机器人;作者使用其内置激光雷达(light detection and ranging, LiDAR)建图功能创建Akita University, Faculty of Informatics and Data Science, Building #1一层Open Common Space室内地图,并物理注册RSSW及同位置八朝向条目,云API仅请求至注册位姿。iPhone 12(Apple Inc., Cupertino, CA, USA)智能手机级模块记录ARKit自定位、身体姿态、关键点可用性、置信度相关信息和时间戳;本地MacBook Air接收数据并准备云API命令。实施固定安装偏移补偿。基线为单机器人、单模块、单室内路线、单目标位置、5次往返、最大速度0.5 m/s。探索实验纳入7名参与者,1个日志因记录失败排除,得6个有效身体追踪数据集和7份问卷;机器人在1.0 m、1.5 m、2.0 m停止,参与者执行站立、挥手、左右举手、放手、接近和远离等序列;两个iPhone模块分别约115 cm和140 cm高,身体追踪约20 samples/s,并比较内置镜头与LS-72外置超广角镜头(Shenzhen NEEWER Technology Co., Ltd., Shenzhen, China)。数据分析使用Python 3.13.5等。
研究结果:4.1 Baseline Prototype Results:通过基线案例记录出站与返回运动中的机器人自定位和过滤后人体检测位置,结果显示在航点约束云运动下原型可记录自定位与人体检测数据,支持LSCRx架构可行性;人体位置误差存在路线依赖差异,校正前返回段平均误差高于出站段。使用已知起点和转向点RSSW坐标作参考,对每次180°转向后以单次转向后样本计算平移校正偏移,并离线统一加到随后单向段人体位置样本。返回段平均人体位置误差由0.770 m降至0.476 m,约38.2%;该结果来自基于已知路线端点坐标的分段后处理,仅补偿平移偏移,未校正旋转漂移、尺度漂移、重定位失败和相机–机器人外参误差,未建立固定校准在独立运行中的有效性或在线漂移校正能力,校正估计未用于控制机器人行为。
4.2 Companion-Module Mounting and Human-Awareness Reliability:通过附加实验比较内置镜头与外部超广角镜头及两个模块安装,发现伴随模块放置决定机器人能否维持有用通信空间。外置超广角镜头减少近场身体裁切,尤其在1.0 m条件附近,但降低AR空间估计并增加AR状态受限情况,提示全身骨骼可见性与稳定机器人本地坐标估计应视为部分可分离功能;移动AR/身体追踪框架需近场宽FOV稳健性,而不仅是理想可见性下更高姿态估计精度。
4.3 Body Cues as Entry Points to Contactless Service Communication:通过探索性手势评价,发现简单身体线索可作为非接触服务通信入口,但不应作为无条件命令。挥手在停止和移动条件下均值评分相对较高,提示在测试条件下可作为有用正参与线索;举手解释需更谨慎,参与者动作模式不统一,问卷评论报告举手被检测为挥手的情况,因此左右举手仅应在时间确认、置信阈值和回退确认策略下作为候选二值确认线索,适用于稳健入口问题和路由决策,而非高风险同意或详细咨询。
4.4 Personal-Space Distance and Skeleton-Recognition Distance Gap:通过停止距离问卷和骨骼追踪观察,在测试样本中发现个人空间舒适与骨骼识别可靠性之间可能存在缺口:过近引起不适并可能裁切身体,过远改善舒适但降低手势分辨率。1.0 m常被评为近,2.0 m为远,7名受访者中4名认为1.5 m最合适;该结果作为测试设置的设计锚点而非普遍最优。镜头实验提示近场服务可能需要更宽身体可见性,但更宽光学可能降低AR空间稳定性,故稳健LSCRx运行依赖距离感知机器人行为和能在人际距离保持骨骼完整性与度量稳定性的AR/身体追踪框架。
4.5 Illustrative Field Demonstration:通过在Akita University与来访高中生开展示例演示,包括机器人周围群体互动和走廊中基于手势的互动,提供原型使用的情境示例;该演示不是正式评估,未建立互动有效性或用户接受度。
讨论总结与结论翻译:讨论提出四项设计需求:通信空间形成、边缘–云–人角色分配与监督服务交接、置信感知的周围人员识别、距离感知服务策略,共同支持LSCRx作为协作增强架构而非独立定位或手势识别模块的可行性。核心含义是受限运动成为研究问题的一部分:在LiDAR地图与RSSW约束下,服务智能通过允许位姿、朝向、时机、置信阈值和基于空间参与证据的距离调节表达,而非通过无限制低层控制表达。短、中、长时距模型澄清未来生成式AI与远程人员支持的作用;对话模型可改善语义广度、语音交互质量和用户满意度,远程人员可处理需机构判断或共情后续的事项,但云对话或远程协助本身不能解决具身时机、人际距离、目标丢失或安全边际决策,LSCRx提供空间与策略基底。原型结果应在通信空间调节层面而非厘米级跟随层面解释;观察到的人体位置误差限制其用于精确人员跟随,粗位置感知是否足以支持服务级决策仍需评估。骨骼交互同样不应将身体线索解释为精确命令,除非关键点置信度、距离、延迟和时间一致性满足预定义阈值。在共享设施中,对增加距离或参与不确定人员发生非预期接近可能比错过服务机会更损害舒适与信任,故应优先低非预期接近率和低假阳性确认率;增加距离、转身、目标丢失或置信不稳定应导致等待、远距问候、信息显示、远程人工协助或其他保持距离动作。PUDU API、BellaBot尺寸、LiDAR建图流程、RSSW注册流程和安装设计具有平台特异性,但模式可转移,因为核心问题跨设施共享:商业机器人保留移动性与厂商管理安全,伴随层提供人本感知、通信空间调节和保守服务策略。可复现性报告至少应包括API时序、机器人状态时序、安装与相机几何、镜头配置、身体追踪速率、延迟与置信阈值、目标丢失处理、RSSW注册与密度规则、同位置朝向注册、FOV模型、AR状态稳定性和环境障碍。泛化因素包括多人歧义、交叉轨迹、移动用户、旁观者、重复用户个性化、个人空间文化差异、云响应可变性和移动AR/身体追踪近场稳健性。经验证据受限于一个机器人平台、智能手机级伴随模块、一个主要大学室内环境、一个作者创建的LiDAR地图和RSSW集合、受控身体线索任务和小样本互动评估;7名参与者、6个有效身体追踪数据集和7份问卷不足以进行群体级推断或建立关于人际距离、手势可用性或识别可靠性的可泛化偏好,互动结果应严格解释为测试机器人、传感配置和室内环境下的探索性设计证据。研究限制还包括:成本型RSSW选择与反追逐规则仍为未实现概念;有限预定义RSSW集在拥挤环境中受限,动态障碍可使已注册位姿暂不可达,实际路径规划和避障由机器人内置导航处理,持续阻塞自动检测和自动服务切换未评估,空可容许集的回退未规定,动态航点生成未实现;热稳定性未受控评估,原型开发中观察到智能手机明显升温及偶发冻结或意外重启,未建立热节流与不稳定的因果关系,未建立长时间运行下持续实时性能;安装机械振动对定位误差的影响未表征,未监测OIS行为或分离OIS与VIO可能交互,观察到的漂移不能具体归因于OIS–VIO交互;固定水平偏移补偿未处理智能手机安装位姿长期变化,在线外参重校准未实现或评估;外部伴随模块的物理快门或电动镜头盖仍为未实现设计选项。
结论翻译:本研究提出LSCRx,一种本地边缘伴随架构,将云控商业服务机器人从以任务为中心的配送扩展至人本感知通信。原型展示了机器人搭载传感、本地数据传输和云API命令准备。附录B中形式化的视角感知RSSW选择与反追逐规则未在本原型中实现或评估。评估限于单台机器人和单一大学室内地点,互动实验涉及7名参与者,产生6个有效身体追踪数据集和7份问卷回答。在这些条件下,研究结果为在不进行内部修改的情况下以本地人体感知和非接触互动增强商业配送机器人提供了初步证据,并为距离感知服务策略设计提供信息。其在共享设施中更广泛伴随场景的适用性仍需进一步评估。