评估数字孪生可视化技术在机器人辅助穿衣过程中的安全性和可靠性

《ACM Transactions on Human-Robot Interaction》：Evaluating Digital Twin Visualizations for Safety and Trust in Robot-Assisted Dressing

数字孪生辅助机器人安全交互研究

　　

摘要

身体有障碍的人在完成日常任务（如穿衣）时常常遇到困难，这导致他们需要依赖护理人员。虽然机器人操作器可以提供宝贵的帮助，但密切的物理互动引发了关于安全、舒适性和信任度的担忧，这些因素可能会限制其普及。本文介绍了辅助机器人双胞胎（Assistive Robot Twin，ART）框架，这是一个实时数字孪生系统，可以模拟用户和机器人，从而在机器人辅助穿衣过程中提高透明度。ART集成了两种视觉安全功能：边界框（Bounding Boxes，BBs），用于定义关键区域周围的静态或动态保护区域；以及轨迹可视化（Trajectory Visualization，TV），用于实时显示机器人的计划动作。我们进行了一项针对36名模拟中风导致行动障碍的参与者的研究，使用经过验证的交互质量和系统可用性问卷评估了六种BB/TV配置。研究结果表明，边界框显著提高了用户的感知安全性（$p<0.001$）、减少了不适感（$p<0.001$），并增强了信任感（$p<0.001$），其中动态边界框提供了最大的安全效益。轨迹可视化显著提升了整个系统的可用性（$p=0.007$）、用户的信心以及对机器人动作的可预测性。尽管这项研究关注的是在受控环境中健康参与者对交互质量的感知，但其结果为临床应用之前设计透明辅助系统提供了基础证据。