面向复杂环境的人机协作装配意图识别方法

摘要

针对复杂环境中人机协作装配系统存在的识别装配动作准确率较低、动作相似度高时无法准确感知装配者意图，以及由此导致的机器人配合操作者的装配效率较低的问题，从装配动作信息和装配零件信息之间的联系出发，建立了面向复杂环境的人机协作装配意图识别融合模型。基于骨架特征，采用双流自适应图卷积神经网络(2S-AGCN)模型针对装配进行动作识别；提出改进的YOLOV8模型，以提高装配零件在无序和遮挡环境下的识别准确率；结合当前装配任务，设计了包含装配动作和装配零件信息的装配推理规则，规划装配顺序。在装配动作数据集以及装配泵体零件数据集上对所提方法进行了验证。实验结果表明：交并比为0.50～0.95时，YOLOV8模型对零件识别的平均准确率达到88.361%;所提出的融合模型对于操作者装配意图的识别准确率达到96.66%,验证了人机协作系统识别操作者装配意图的可行性和有效性。将装配动作信息与装配零件信息相结合，有助于在复杂的人机协作环境中准确地识别出操作者的装配意图。

关键词

人机协作 / 动作识别 / 双流自适应图卷积神经网络 / YOLOV8模型 / 意图识别融合模型

基金资助

国家自然科学基金资助项目(51805213,52205015)