《Proceedings of the Human Factors and Ergonomics Society Annual Meeting》：Agency-Constrained Shared Autonomy for Prosthetic Grasp Selection: A Reproducible Offline Benchmark for Interactive AI in Assistive Robotics
编辑推荐：
上肢假肢日益将用户意图解码与情境自主相结合，提高了鲁棒性，但当辅助覆盖用户控制时，可能会降低代理感。研究人员提出了代理约束共享自主（Agency-Constrained Shared Autonomy, ACSA），将控制权视为一个明确、可审计的交互预算。AC
上肢假肢日益将用户意图解码与情境自主相结合，提高了鲁棒性，但当辅助覆盖用户控制时，可能会降低代理感。研究人员提出了代理约束共享自主（Agency-Constrained Shared Autonomy, ACSA），将控制权视为一个明确、可审计的交互预算。ACSA根据用户意图分布计算代理损失指数（Agency Loss Index, ALI），并将自主性限制在代理可行包络内。SetACSA随后在该包络内选择自主性偏好的抓取。利用开放的MeganePro/NinaPro DB10数据集，研究人员创建了一个离线重放基准，包含来自五名健全参与者和四名经桡骨截肢者的3,814个抓取片段。SetACSA将准确率从仅用户控制的0.532±0.021提高到0.580±0.014，同时保持了较低的代理损失（ALI=0.012±0.001）。置信度加权混合达到了相当的准确率（0.560±0.017），但代理损失显著更高（ALI=0.087±0.004）。这些结果支持通过性能-代理前沿而非仅准确率来评估假肢共享自主。
**研究背景与问题**
上肢假肢系统正越来越多地融合用户意图解码与情境自主（contextual autonomy）以提升抓取鲁棒性，但辅助系统若过度覆盖用户控制，可能削弱用户的代理感（sense of agency），造成“接管”体验。多指假肢手虽有多种机械抓取模式，但在恰当时刻选择正确抓取仍是难题；其操作伴随认知负荷、记忆负担、校准不确定性和可用性障碍，这些因素与假肢弃用和长期使用率下降密切相关。共享自主被用于减轻操作负担，其通过结合用户意图信号与注视、物体身份、任务状态等情境信息来辅助决策。然而，辅助并非没有代价：若控制器通过执行用户并未意图的动作来提高正确抓取概率，就可能违背用户意愿。在辅助机器人中，由于设备是穿戴式的，控制权本身就是使用体验的一部分，因此该权衡尤为敏感。传统方法如置信度加权混合缺乏显式代理约束，无法保证执行动作紧贴用户意图。因此，需要一种显式、可审计的控制权预算机制，使自主辅助被限制在用户可接受的代理损失范围内。
**研究目标与贡献**
本研究提出代理约束共享自主（Agency-Constrained Shared Autonomy, ACSA），将控制权视为一个显式、可审计的交互预算。ACSA从用户意图分布计算代理损失指数（Agency Loss Index, ALI），该指数度量候选抓取相对于用户最可能抓取的支持度损失，并将自主辅助限制在一个“代理可行包络”内。在此基础上，SetACSA控制器在满足代理预算的可行集内选择自主偏好最高的抓取。此外，研究者基于开放的Meg
