合作环境中的机器人意图识别：状态表示与推断

"这篇博士学位论文来自勃艮第大学科技学院，作者是Craig Schlenooff，研究主题聚焦在合作人机环境中通过状态表示推断意图。论文的评审委员会由多位知名教授组成，包括Benoît Eynard、Bernard Grabot、Salima Hassas、Dominique Michelucci和Sebti Foufou，导师是Sebti Foufou教授。这篇论文旨在解决人机协作中的安全问题，尤其是在共享工作空间中的无缝合作。 论文指出，人类和机器人共同执行安全的协作任务是机器人技术的重要目标，这涵盖了从协作装配到物料处理等多种应用场景。现有的安全标准主要关注限制两者之间的物理接触，然而，这些标准缺乏对代理（人类）未来行为的预测能力。因此，论文提出了一个创新的意图识别方法，它不是基于传统的活动识别，而是通过识别和表示状态信息来推断代理的意图。 该方法利用区域连接演算（RCC-8）来分析环境中的状态关系，进而推理出整体状态。接着，通过贝叶斯方法关联这些状态与可能的意图，预测接下来可能的动作。论文通过对比实验数据验证了这种方法的有效性，结果表明，该算法在多数情况下能与人类表现相当，甚至更优。 简历部分再次强调了人机协作安全的重要性，指出机器人需要具备监控工作环境、理解人类意图以及预防潜在危险的能力。现有的合作标准虽然关注物理隔离，但忽略了对未来状态和任务相关信息的预测，而这正是本文研究的意图识别方法所弥补的。 这篇论文提出了一个基于状态表示的意图识别框架，为实现更安全、高效的合作人机环境提供了理论和技术支持。"