《iScience》：Balancing safety and efficiency in large-scale HRC: A dynamic scheduling method confronting temporal and spatial uncertainty of human workers
编辑推荐：
在大规模人机协作（Human-Robot Collaboration, HRC）车间中，人类表现出双重不确定性：任务完成时间的时间不确定性以及肢体运动的空间不确定性。这些相互交织的不确定性在安全与效率之间造成了根本性张力。研究人员提出了一种同时应对这两个维度的
在大规模人机协作（Human-Robot Collaboration, HRC）车间中，人类表现出双重不确定性：任务完成时间的时间不确定性以及肢体运动的空间不确定性。这些相互交织的不确定性在安全与效率之间造成了根本性张力。研究人员提出了一种同时应对这两个维度的动态调度框架。针对空间不确定性，构建了感知-预测-决策（Perception-Prediction-Decision, PPD）框架，整合了基于信息年龄（Age of Information, AoI）的链路资源分配、数字孪生弹性部署以及基于概率占用网格的碰撞预测，以主动维持安全。针对时间不确定性，提出了一种改进型深度Q网络（Improved Deep Q-Network, IDQN）算法，其特点包括基于空闲时长的执行器优先级机制、基于约束的动作掩码以及动态优先级经验重放。在15个测试场景中，PPD框架将碰撞响应触发次数减少了59.9%，同时将平均Makespan降低了12.1%；IDQN在高波动条件下的性能退化率仅为2.5%，显著优于DQN（6.0%）、GA（9.7%）和基于规则的方法（8.4%）。
论文解读
随着工业4.0向工业5.0演进，以人为本的制造已成为人机协作（Human-Robot Collaboration, HRC）领域的核心研究主题。与传统的物理隔离人机模式不同，最终装配阶段的HRC强调人与机器人的近距离交互与优势互补，在提升生产灵活性和效率的同时，也对人员安全提出了前所未有的挑战。人类工人在任务执行中表现出双重不确定性：空间不确定性（肢体运动轨迹固有不可预测）和时间不确定性（任务完成时间难以精确预测）。空间不确定性是影响人员安全的关键因素，时间不确定性是影响调度效率的关键因素。在大规模HRC车间中，对数十至近百名人类执行者进行实时肢体碰撞预测会产生巨大的瞬时计算需求，而边缘计算环境面临延迟、带宽限制和计算资源有限等问题。现有研究未从系统层面解决状态感知、碰撞预测与避障决策三个阶段的内在耦合，也鲜有将时间与空间不确定性统一在单一框架内处理。因此，迫切需要一种能够同时适应大规模场景并维持肢体碰撞预测精度的HRC调度方法。为此，研究人员提出了一种面向人类双重不确定性的大规模HRC动态调度方法，相关成果发表于《iScience》。
研究人员构建了感知-预测-决策（Perception-Prediction-Decision, PPD）三层优化框架，以应对空间不确定性：感知层建立基于信息年龄（Age of Information, AoI）的差异化链路资源分配模型，优先保障高碰撞风险执行者的状态信息新鲜度；预测层提出数字孪生（Digital Twin, DT）弹性部署模型，在边缘资源约束下将高风险执行者的DT优先部署到近端边缘服务器；决策层采用基于概率占用网格的前向可达集碰撞预测，计算人机碰撞概率并触发主动机器人暂停。针对时间不确定性，提出改进型深度Q网络（Improved Deep Q-Network, IDQN）调度算法，集成基于约束的动作掩码、基于空闲时长的执行器决策优先级和动态优先级经验重放。仿真实验基于Python 3.10和PyTorch环境，构建了85个标准化场景（70个训练、15个测试），人类执行时间从U(30,60)独立采样。
研究结果部分，首先，在“IDQN achieves scalable and robust scheduling across 15 scenarios”方面，通过15个测试场景实验发现，IDQN在不同任务数和执行者数量下保持了良好的可扩展性与鲁棒性：任务数从20增至50（增长150%）时，平均完工时间（Makespan）仅从251.6秒增至349.1秒（增长约38.8%），Makespan标准差与均值比稳定在1.3%–10.3%，表明算法能有效利用执行者并行潜力。
在“Differentiated AoI-based bandwidth allocation reduces collision triggers”方面，场景T6对比实验显示，差异化带宽分配使高优先级执行者平均AoI降低65.7%（从0.178秒降至0.061秒），碰撞响应触发次数从24.5降至16.1（减少34.3%），平均机器人安全暂停时间减少44.7%，平均Makespan降低8.0%。
在“DT elastic deployment reduces high-priority latency and Makespan”方面，场景T9实验表明，弹性部署相比静态云部署将高优先级总延迟降低71.0%，碰撞响应次数降低51.4%，Makespan降低10.3%；相比无差别边缘部署，Makespan降低14.2%，同时避免了边缘资源耗尽导致的任务延迟（无差别边缘策略平均产生36.9次资源不足延迟，弹性策略为零）。
在“PPD three-layer coupling yields larger makespan reduction with superadditive gains”方面，消融实验显示，完整PPD框架相比仅保留决策层的基线使平均Makespan降低12.1%，碰撞响应触发次数从44.6降至17.9（减少59.9%）。感知层和预测层独立贡献分别为6.6%和2.6%，合计9.2%，而完整框架为12.1%，表明存在2.9个百分点的正跨层耦合增益。同时，基于ISO/TS 15066的SSM硬停止指标显示，PPD软停止层与SSM硬停止层之间存在替代效应：PPD触发越频繁、机器人越早暂停，实际物理接近事件越少。
在“IDQN outperforms baselines in scheduling performance and dynamic robustness”方面，与标准DQN、遗传算法（Genetic Algorithm, GA）和基于规则的方法对比，IDQN收敛轮数减少27.7%，平均Makespan最低（315.9秒），最优解获取率最高（74.1%），在高波动场景下性能退化率（Performance Degradation Rate, PDR）仅2.5%，显著优于DQN（6.0%）、GA（9.7%）和规则方法（8.4%）。单次决策时间在最大规模场景下为32.8毫秒，完全满足实时约束（≤1000毫秒）。
在“IDQN achieves competitive scheduling performance with lower decision latency”方面，与QMIX和MAPPO对比，IDQN平均Makespan（315.9秒）仅比MAPPO（313.7秒）高0.7%，但优于QMIX（321.4秒）；最优解获取率方面IDQN（74.1%）显著高于QMIX（61.8%）和MAPPO（62.4%）。决策速度方面，IDQN在T15场景的最大决策时间（32.8毫秒）远低于QMIX（118.6毫秒）和MAPPO（109.2毫秒）。
在“Action masking dominates training efficiency while decision priority drives dynamic robustness”方面，消融实验表明，去除动作掩码使收敛轮数增加30.0%（影响最大），去除决策优先级使PDR最高（5.4%），去除DT前向仿真使最优解获取率下降11.5个百分点。三种机制形成功能互补：动作掩码奠定可行性基础，决策优先级维持执行者负载均衡，DT前向仿真精细校准安全-效率权衡。
在“IDQN maintains the lowest performance degradation under skill-fatigue coupled heterogeneity”方面，引入技能系数与疲劳衰减耦合的异质性劳动力模型后，IDQN的PDR从同质基线的2.4%升至6.5%（增量3.1个百分点），低于DQN（3.9个百分点）、规则方法（4.9个百分点）和GA（10.5个百分点），且Makespan标准差增量最低，表明其策略对分布外异质人力状况具有最强鲁棒性。
在“IDQN generalizes to out-of-distribution scenarios with near-in-distribution performance”方面，沿任务数、执行者数、DAG拓扑、共享工作区比例和任务类型组成五个维度构造20个分布外（Out-of-Distribution, OOD）场景并执行零样本测试，IDQN在全部400次测试中均生成有效调度；在纯HRF任务组成场景中平均Makespan为310.7秒，接近分布内基线（310.8秒），而在深DAG拓扑和极高共享工作区比例下Makespan增长最明显。
讨论部分总结了PPD框架与IDQN算法的协同成效：三层级联优化通过精确分配有限资源到高风险阶段，在碰撞风险抑制和调度效率提升方面均优于各层独立贡献之和，验证了正跨层耦合效应。同时指出了研究局限性，包括时间不确定性均匀分布假设、空间不确定性各向同性高斯假设、单传感器感知、恒定边缘资源假设以及仿真环境与物理部署之间的差距。未来工作可引入数据驱动的执行时长分布、多模态感知融合、云边动态协作以及多目标奖励设计等。研究结论可概括为：这些结果共同验证了所提出框架在大规模HRC场景中同时降低碰撞风险和提高调度效率的能力，为面向人员双重不确定性的安全高效人机协作调度提供了系统化解决方案。
