Human-Robot Collaboration for the Remote Control of Mobile Humanoid Robots with Torso-Arm Coordination

Essence

Fig. 1: The experimental setup consists of two workspaces. The robotic workspace features a shelf unit with four shelves

원격 제어되는 모바일 휴머노이드 로봇의 몸통-팔 협력 제어를 위해 인간-로봇 협업(HRC) 방법들을 제안하고, 사용자 연구(N=17)를 통해 자동 및 수동 제어 방식의 효과를 비교 평가한다.

Known: 공중복도가 있는 로봇 팔의 운동학적 중복성은 도달성과 조작성을 향상시키지만, 몸통-팔의 협력 제어는 복잡한 도전 과제이다. 기존 연구는 주로 말단 이펙터 제어의 공유 자동성에 집중했으며, 움직이는 기저부를 가진 휴머노이드 로봇의 몸통-팔 협력은 충분히 다루어지지 않았다.
Gap: 실시간 원격 조종 상황에서 인간 오퍼레이터는 몸통-팔 협력 조정에 개입할 기회가 제한적이며, 특히 로봇, 작업, 인간 성능에 영향을 미치는 다중의 상황적 고려사항을 비용 함수로 인코딩하기 어렵다.
Why: 의료 및 요양 시설에서 원격 제어 휴머노이드 로봇의 배치가 증가하면서, 효율적인 시스템 성능과 작업 실행을 위해 자율성과 인간 입력의 균형을 맞추는 협력 제어 방법이 필수적이다.
Approach: 인간이 몸통 움직임을 수동으로 제어하는 인간-주도 방식(Velocity Torso Control, Preset Heights)과 로봇이 도달성, 작업 목표, 인간 의도 추론에 기반하여 자율적으로 협력하는 로봇-주도 방식(Proximity, Scaling, Chasing)을 제안한다.

Fig. 2: Results for completion time for long-range motion, manipulability

HRC 방법론 개발: Velocity Torso Control, Preset Heights, Proximity, Scaling, Chasing 등 5가지 서로 다른 몸통-팔 협력 제어 방식을 체계적으로 제안하고 구현
사용자 연구 기반 평가: 17명의 참여자를 대상으로 작업 수행 시간, 조작성, 에너지 효율성, 사용자 선호도를 비교 분석
상황별 최적 방법 제시: 사용자 경험 수준, 작업 특성, 로봇 시스템에 따라 선택할 수 있는 다양한 제어 전략 제공

Fig. 1: The experimental setup consists of two workspaces. The robotic workspace features a shelf unit with four shelves

인간-주도 방식: Velocity Torso Control은 조이스틱으로 연속적인 몸통 움직임 제어, Preset Heights는 미리 정의된 높이 위치(상/중/하) 사이의 이산적 전환
로봇-주도 방식 (반응형): Proximity 모드는 팔이 수직 범위 한계에 접근할 때만 몸통 이동 (에너지 효율), 보상 알고리즘으로 말단 이펙터 높이 유지
로봇-주도 방식 (지속형): Scaling 모드는 인간 팔 작업 공간을 로봇의 전체 수직 범위에 매핑, Chasing 모드는 최적 조작성 유지를 위해 몸통이 팔의 수직 움직임을 추종
평가 메트릭: 작업 완료 시간, 조작성(manipulability), 에너지 소비량, 사용자 주관적 선호도 측정
실험 환경: MetaQuest 2 컨트롤러 기반 원격 제어, 시각적 피드백을 위한 증강현실(AR) 단서, 신체 작업 부하 추정을 위한 자세 추적

사용자 연구 표본 크기(N=17)가 상대적으로 작아 일반화 가능성 제한
제시된 5가지 방식 외 다른 하이브리드 접근법의 가능성 미탐색
실제 의료 환경에서의 장시간 운영 데이터와 성능 안정성 검증 부재
인간 의도 추론(inferred human intent) 메커니즘이 추상적이며 구체적 구현 세부사항 부족
후속 연구: 더 많은 참여자와 다양한 작업 시나리오를 포함한 확대 연구, 머신러닝 기반의 적응형 제어 방식 개발, 실제 의료 환경에서의 임상 평가