基于bikebot平台的物理人机交互中的机器对人运动整形

In physical human-robot interactions, machines or robots not only can cooperate with human's motions, but also have the potential to enhance human's motor skills through active interactions. Due to the highly-dimensional structure and the intrinsic uncontrollable property of humans, we currently lack theories and design tools to effectively model human's interactions with machines and train the motor control skills. This project will use the bikebot as a new means and use the rider-bicycle interactions as a paradigm to examine a sensorimotor theory for modelling and shaping postural balancing and other functional whole-body motor activities. Bikebot is an actively controlled bicycle-based robot that influences the rider's behavior through actively controlled steering, velocity and balancing. To reach the final goal, we will focus on the rider-bicycle interactions on three aspects, including: (1) a dynamic modeling approach for rider-bicycle interactions; (2) a basic framework to shape human's motor skill in human-robot interactions; (3) a new low-cost real-time pose estimation scheme for the whole rider-bicycle system. The project will serve as a cornerstone to further advance the study of human-robot interactions and offer an effective tool to enhance the human's motor control skills through physical human-robot interactions.

在物理人机交互中，机器或者机器人不仅可以与人配合，还甚至可以通过交互对人的运动机能进行主动训练增强。但由于人体运动具有高维度且不直接可控的特点，目前我们仍缺少有效的理论和设计工具来对复杂物理人机交互进行有效建模并实现机器对人的主动训练。本项目计划以bikebot为实验平台，以人车交互为实例来对物理人机交互中机器如何对人实现运动整形进行新颖地探索研究。Bikebot是团队开发的一种自主车型机器人系统，它可以通过积极地改变方向、速度、平衡等对骑手的运动进行影响。为了实现车对骑手的主动运动整形，本项目将在以下３个方面进行展开：(1)以运动整形为目标的人车系统动力学建模方法；(2)车对人进行运动主动整形的理论方法；(3)一套最小代价的人车系统实时姿态估计方案。本项目的完成将使物理人机交互的研究拓展到机器对人主动运动整形的范畴，并为机器对人的主动运动机能训练提供直接的工程手段。

本项目研究目标是以人车交互为研究实例，并以bikebot 为实验平台，研究并实现复杂物理人机交互中的机器对人运动整形，完善物理人机交互的理论体系，并为利用机器对人进行主动运动机能训练的新思想提供一种实现技术手段。本项目的完成可以使物理人机交互理论的研究从机器对人协作控制，拓展到机器对人的运动进行主动整形的范畴，给物理人机交互提供新的思路。. 本项目主要研究内容有:最小代价的人车系统完整姿态实时估计方案;针对复杂人车系统的动力学建模方法；人车系统整形控制方案等。. 本项目取得的主要研究进展和结果如下：提出了一种小代价低成本基于可穿戴传感器的人车全系统姿态估计方法；提出了一种仅利用相对测量实现刚体移动平台绝对姿态估计的方法；提出了一种基于物理/学习混合的人车系统动力学建模方法；提出了一种相机惯性传感器融合的人车系统姿态估计等。. 本项目总体执行情况良好，各项研究内容基本沿着申请书和计划书的计划进行。在本项目的直接支持下，已发表高水平学术论文7篇，其中SCI论文5篇(含IEEE期刊长文3篇，机器人顶级期刊IJRR1篇)，顶级国际会议论文2篇。培养博士硕士研究生6名（2人已毕业），申请受理国家发明专利1篇，满足项目申请书研究目标。