用于人机交互服务机器人性能测试的自动评估方法及系统技术方案

本发明专利技术提出了用于人机交互服务机器人性能测试的自动评估方法及系统，包括：获取机器人周围障碍物信息以及机器人自身的信息；针对机器人输入起始点与目标点数据以及待测试的导航方法从而得到导航轨迹；基于获取的信息及导航轨迹计算机器人在用户最舒适空间中的平均行程时间、机器人预测投影路径与行人预测投影路径相交的平均持续时间、路径长度比率、路径不规则度、轨迹平滑度、机器人运动速度、左右侧偏好、路径长度和行程时间；基于计算的指标数据对服务机器人在具体场景下采用不同的导航方法分别从效率性、舒适性、自然性和社交性进行评估。进行评估。进行评估。

【技术实现步骤摘要】
用于人机交互服务机器人性能测试的自动评估方法及系统


[0001]本专利技术属于移动机器人导航
，尤其涉及用于人机交互服务机器人性能测试的自动评估方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]随着计算机技术的迅速发展，服务机器人也走进了人们的日常生活，服务机器人的定位决定了其工作环境的重要特性——人机共存。面对复杂的人机共融的动态环境，对机器人的导航规划任务提出了更高的要求，一方面要在保证完成工作任务的前提下保证用户的安全，另一方面要求机器人在工作过程中考虑到用户的舒适度，不能对用户的活动产生阻碍，同时机器人的行为要符合人类社会的行为规范。
[0004]近些年来，计算机硬件和机器学习的进步使得一系列基于深度强化学习的社交导航算法得到实现，通过将符合人类行为规范的社交行为以及考虑到用户舒适度的模型编码在奖励函数中，再根据机器人的行为对其提供奖励或惩罚，指导机器人完成社交导航规划任务。所以如何选取与实际场景匹配的导航规划算法成为研究人员亟待解决的一个重要课题。
[0005]评估一个导航算法的优劣是通过一系列的指标决定。然而研究人员为了证明自己所提的算法的优越性，其评估指标往往是依据他们的导航方法所构建，由于人们对“社交行为”的定义不同，训练和评估导航方法的指标也就不同，没有统一的指标就无法比较不同导航算法的优劣，从而选择当前场景最合适的导航算法。
[0006]目前，几乎所有的导航方法评估都一致地报告了与任务相关的指标，例如成功率或者到达目标点的时间，但是很少会提及到有关人机交互的量化指标。虽然效率是社交导航的一个重要方面，但是随着社会经济的迅速发展，人们对舒适化生活的要求逐步增高，在人机共融的复杂动态环境中，如何在保证用户安全的前提下提高用户的舒适度俨然成为当前评估导航方式的一个重要指标。

技术实现思路

[0007]为克服上述现有技术的不足，本专利技术提供了用于人机交互服务机器人性能测试的自动评估方法，从效率性、舒适性、自然性、社会性四个角度出发，基于社交行为建模的自主导航方法可量化评估体制，体现出不同导航算法的优劣，从而针对不同情景选择适合的导航方法。
[0008]为实现上述目的，本专利技术的一个或多个实施例提供了如下技术方案：
[0009]第一方面，公开了用于人机交互服务机器人性能测试的自动评估方法，包括：
[0010]获取机器人周围障碍物信息以及机器人自身的信息；
[0011]针对机器人输入起始点与目标点数据以及待测试的导航方法从而得到导航轨迹；
[0012]基于获取的信息及导航轨迹计算机器人在用户最舒适空间中的平均行程时间、机器人预测投影路径与行人预测投影路径相交的平均持续时间、路径长度比率、路径不规则度、轨迹平滑度、机器人运动速度、左右侧偏好、路径长度和行程时间；
[0013]基于计算的指标数据对服务机器人在具体场景下采用不同的导航方法分别从效率性、舒适性、自然性和社交性进行评估。
[0014]作为进一步的技术方案，所述机器人在用户最舒适空间中的平均行程时间、机器人预测投影路径与行人预测投影路径相交的平均持续时间作为导航算法舒适性的指标；
[0015]路径长度比率、路径不规则度、轨迹平滑度、机器人运动速度作为导航算法自然性的指标；
[0016]左右侧偏好作为导航算法社交性指标；
[0017]路径长度和行程时间作为导航算法效率性指标。
[0018]作为进一步的技术方案，所述机器人周围障碍物信息包括机器人周围障碍物的位置信息、速度信息；所述机器人自身的信息包括机器人自身的速度与位置信息。
[0019]作为进一步的技术方案，机器人在用户最舒适空间中的平均行程时间越小，机器人尊重用户个人空间的能力越强。
[0020]作为进一步的技术方案，机器人预测投影路径与行人预测投影路径相交的平均持续时间越小，机器人避免碰撞的能力强。
[0021]作为进一步的技术方案，所述路径长度比率描述的是始发点与目的地的最优轨迹长度与实际导航路线长度的关系，为基于SFM算法的仿真轨迹的行程长度与实际导航路线长度之比。
[0022]作为进一步的技术方案，路径不规则度计算时：
[0023]建立直角坐标系：以起始点为原点，以起始点指向目的地的射线所在直线为y轴，x轴则为经过原点的垂直于y轴的直线；
[0024]点采样：令路径长度为l，采取M个点，每隔路径采样一个点；
[0025]计算相邻点之间的速度偏移角；
[0026]将所有相邻点之间的速度偏移角求和取平均值即为路径不规则度。
[0027]第二方面，公开了用于人机交互服务机器人性能测试的自动评估系统，包括：
[0028]信息获取模块，被配置为：获取机器人周围障碍物信息以及机器人自身的信息；
[0029]针对机器人输入起始点与目标点数据以及待测试的导航方法从而得到导航轨迹；
[0030]指标计算模块，被配置为：基于获取的信息及导航轨迹计算机器人在用户最舒适空间中的平均行程时间、机器人预测投影路径与行人预测投影路径相交的平均持续时间、路径长度比率、路径不规则度、轨迹平滑度、机器人运动速度、左右侧偏好、路径长度和行程时间；
[0031]评估模块，被配置为：基于计算的指标数据对服务机器人在具体场景下采用不同的导航方法分别从效率性、舒适性、自然性和社交性进行评估。
[0032]作为进一步的技术方案，评估模块包括：
[0033]构建层次结构模型，所述层次结构模型包含目标层，准则层和方案层；
[0034]建立层次分析法的三个判断矩阵，分别为基于紧急任务，基于商用，基于家用；
[0035]判断矩阵的横纵坐标分别为9个指标，矩阵中每一个元素用a
ij
表示，代表了i相当于j的重要程度，根据判断矩阵确定主观权重；
[0036]对标准化矩阵作进一步处理得到特征比重矩阵；
[0037]计算权重矩阵；
[0038]将主观权重与客观权重结合，计算组合权重；
[0039]得到不同导航方法的整体评估，以及得到效率性、舒适性、自然性和社交性对应的评估。
[0040]以上一个或多个技术方案存在以下有益效果：
[0041]本专利技术通过在导航性能测试的过程中，组合若干机器人自带的传感器采集机器人周围的环境信息，利用机器人操作系统与真实场景下或者仿真测试环境下的机器人进行通信，以此实现不同模块的自动量化评估。即基于舒适性、自然性、社会性、效率性四个模块，通过对社交行为建模，提出9个评价指标，形成评估量表，基于AHP
‑
熵权法对量表得到的实时数据进行二次优化，并使用可视化界面显示。本专利技术使得人机交互服务机器人的导航性能测试可以从多个角度出发，根据固定的导航场景全面地对导航算法的性能进行自动化评估，并为导航算法的优化提供方向。
[0042]本专利技术针对评估导本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.用于人机交互服务机器人性能测试的自动评估方法，其特征是，包括：获取机器人周围障碍物信息以及机器人自身的信息；针对机器人输入起始点与目标点数据以及待测试的导航方法从而得到导航轨迹；基于获取的信息及导航轨迹计算机器人在用户最舒适空间中的平均行程时间、机器人预测投影路径与行人预测投影路径相交的平均持续时间、路径长度比率、路径不规则度、轨迹平滑度、机器人运动速度、左右侧偏好、路径长度和行程时间；基于计算的指标数据对服务机器人在具体场景下采用不同的导航方法分别从效率性、舒适性、自然性和社交性进行评估。2.如权利要求1所述的用于人机交互服务机器人性能测试的自动评估方法，其特征是，所述机器人在用户最舒适空间中的平均行程时间、机器人预测投影路径与行人预测投影路径相交的平均持续时间作为导航算法舒适性的指标；路径长度比率、路径不规则度、轨迹平滑度、机器人运动速度作为导航算法自然性的指标；左右侧偏好作为导航算法社交性指标；路径长度和行程时间作为导航算法效率性指标。3.如权利要求1所述的用于人机交互服务机器人性能测试的自动评估方法，其特征是，所述机器人周围障碍物信息包括机器人周围障碍物的位置信息、速度信息；所述机器人自身的信息包括机器人自身的速度与位置信息。4.如权利要求1所述的用于人机交互服务机器人性能测试的自动评估方法，其特征是，所述路径长度比率描述的是始发点与目的地的最优轨迹长度与实际导航路线长度的关系，为基于SFM算法的仿真轨迹的行程长度与实际导航路线长度之比。5.如权利要求1所述的用于人机交互服务机器人性能测试的自动评估方法，其特征是，路径不规则度计算时：建立直角坐标系：以起始点为原点，以起始点指向目的地的射线所在直线为y轴，x轴则为经过原点的垂直于y轴的直线；点采样：令路径长度为l，采取M个点，每隔路径采样一个点；计算相邻点之间的速度偏移角；将所有相邻点之间的速度偏移角求和取平均值即为路径不规则度。6.用于人机交互服务机器人性能测试的自动评估系统，其特征是，包括：信息获取模块，被配...

【专利技术属性】
技术研发人员：吴皓，王堃，刘海鹏，马庆，
申请(专利权)人：山东大学，
类型：发明
国别省市：