本技術的實施例涉及人機交互和人機信任，特別涉及一種基于模糊控制系統(tǒng)的人機信任模型。

背景技術：

1、人機交互是集計算機科學、機械學、設計學、生物學、心理學和社會學等多個學科交叉的領域，其關注于如何使機器人更好地服務于人類的需求。人機交互不僅僅關注技術層面的優(yōu)化，更重視技術與人類活動的和諧共生，其最終目標是創(chuàng)造高效、方便、舒適、符合人類認知習慣的交互環(huán)境。

2、在人機交互過程中，信任是實現(xiàn)高質(zhì)量人機交互的關鍵，如果操作員對機器人的信任水平不當，可能導致對機器人的不當使用或過度依賴，當前已有研究人員和學者對人機信任模型進行了一定的研究，但這些研究主要關注人類對機器人的信任，這些模型往往涉及人類的主觀情感，需要通過主觀問卷調(diào)查確定模型參數(shù)，難以通過準確的數(shù)據(jù)進行量化。

技術實現(xiàn)思路

1、有鑒于此，本技術的實施例提出了一種基于模糊控制系統(tǒng)的人機信任模型，側(cè)重機器人對人類的信任，對人類操作員的技術水平進行客觀評估，構(gòu)建了動態(tài)信任估計機制，有效提升了信任估計精度，確保人機信任模型能適應多樣化的人機交互場景。

2、第一方面，本技術的實施例提出了一種基于模糊控制系統(tǒng)的人機信任模型，包括：搭建并完成圓周運動跟蹤實驗和矩形直線跟蹤實驗，由操作員觀察參考路徑并操控機器人進行運動，實時記錄機器人在運動過程中的末端位姿和關節(jié)角；基于實時記錄的機器人在運動過程中的末端位姿和關節(jié)角，分別計算人機交互過程中每個時間步的安全性指標、機器人奇異性指標、平滑性指標和跟蹤性指標；對每個時間步的安全性指標、機器人奇異性指標、平滑性指標和跟蹤性指標進行綜合表現(xiàn)評估，得到每個時間步的綜合評價指標；利用加權移動平均算法，基于每個時間步的綜合評價指標，建立動態(tài)信任模型；基于模糊控制對動態(tài)信任模型的信任度值進行分類，并根據(jù)分類結(jié)果調(diào)整操作員對機器人的控制權限，信任度值越高，賦予操作員對機器人的控制權限越高。

3、可選地，安全性指標通過以下公式計算得到：

4、ps[n]＝f(a[n],x-,x+,y-,y+)

5、

6、其中，x-和x+分別為機器人在安全性指標變化時的加速度的下臨界值和上臨界值，y-和y+分別是安全性指標的下臨界值和上臨界值，a[n]表示機器人從當前位置減速恰好運動到障礙物位置并停止時所需要的恒定加速度大小，v[n]表示當前時間步下機器人與障礙物發(fā)生碰撞時的速度，v0[n]表示機器人在當前時間步的速度，δs[n]表示當前時間步下機器人末端與障礙物之間的距離，n表示當前時間步，f(·)是一個五階多項式，f(·)在x-和x+處的一階導數(shù)和二階導數(shù)均為0，ps[n]表示當前時間步的安全性指標。

7、可選地，機器人奇異性指標通過以下步驟計算得到：

8、基于當前時間步的機器人的末端的線速度和角速度、以及機器人的關節(jié)角，構(gòu)建得到當前時間步的雅可比矩陣；

9、對當前時間步的雅可比矩陣進行奇異值分解，得到當前時間步的最小奇異值；

10、基于當前時間步的最小奇異值，通過以下公式，計算得到機器人奇異性指標：

11、

12、其中，σmin[n]表示當前時間步的最小奇異值，σmin[n-1]表示當前時間步的前一個時間步的最小奇異值，σ-和σ+分別為機器人在機器人奇異性指標變化時的奇異程度的下臨界值和上臨界值，和分別為高下臨界值和高上臨界值，和分別為低下臨界值和低上臨界值，β為預設的調(diào)整參數(shù)，s(·)是一個五階多項式，s(·)在σ-和σ+處的一階導數(shù)和二階導數(shù)均為0，prs[n]表示當前時間步的機器人奇異性指標。

13、可選地，平滑性指標通過以下公式計算得到：

14、psm[n]＝g(s|s-,s+,1,0)

15、

16、其中，s表示機器人運動的平滑度，s-和s+分別為機器人在平滑性指標變化時的平滑度的下臨界值和上臨界值，表示當前時間步下機器人的末端執(zhí)行器在笛卡爾空間中的速度矢量，g(·)是一個五階多項式，g(·)在s-和s+處的一階導數(shù)和二階導數(shù)均為0，psm[n]表示當前時間步的平滑性指標。

17、可選地，跟蹤性指標通過以下公式計算得到：

18、pt[n]＝h(t|t-,t+,1,0)

19、

20、其中，t表示機器人運動的擬合度，即機器人的末端的運動軌跡與參考軌跡之間的擬合度，t-和t+分別為機器人在跟蹤性指標變化時的擬合度的下臨界值和上臨界值，x表示機器人的末端在運動時的最大笛卡爾空間，xe和xd法分別表示機器人的末端的實際位置和期望位置，h(·)是一個五階多項式，h(·)在t-和t+處的一階導數(shù)和二階導數(shù)均為0，pt[n]表示當前時間步的跟蹤性指標。

21、可選地，對每個時間步的安全性指標、機器人奇異性指標、平滑性指標和跟蹤性指標進行綜合表現(xiàn)評估，得到每個時間步的綜合評價指標，通過以下公式實現(xiàn)：

22、p[n]＝ps[n]·prs[n]·{c+(1-c)·(γsmpsm[n]+γtpt[n])}

23、γsm+γt＝1

24、其中，ps[n]、prs[n]、psm[n]和pt[n]分別表示第n個時間步的安全性指標、機器人奇異性指標、平滑性指標和跟蹤性指標，c表示預設的第一比重系數(shù)，γsm表示預設的第二比重系數(shù)，γt表示預設的第三比重系數(shù)，p[n]表示第n個時間步的綜合評價指標。

25、可選地，利用加權移動平均算法，基于每個時間步的綜合評價指標，建立動態(tài)信任模型，通過以下公式實現(xiàn)：

26、

27、其中，n表示已進行的時間步的總數(shù)，當前時間步即第n個時間步，α為預設的時間衰減因子，p[n-k]表示第n-k個時間步的綜合評價指標，trust[n]表示動態(tài)信任模型。

28、可選地，基于模糊控制對動態(tài)信任模型的信任度值進行分類，并根據(jù)分類結(jié)果調(diào)整操作員對機器人的控制權限，通過以下公式實現(xiàn)：

29、

30、其中，al表示操作員對機器人的控制權限，low表示低等控制權限，med表示中等控制權限，high表示高等控制權限，max表示最高控制權限。

31、通過上述方式，搭建并完成圓周運動跟蹤實驗和矩形直線跟蹤實驗，由操作員觀察參考路徑并操控機器人進行運動，實時記錄機器人在運動過程中的末端位姿和關節(jié)角，基于實時記錄的機器人在運動過程中的末端位姿和關節(jié)角，量化分析了人機交互過程中的安全性、奇異性、平滑性和跟蹤性四個主要維度，綜合客觀評估操作員的技術水平，采用多因素融合技術和加權移動平均算法，構(gòu)建動態(tài)信任估計機制，也就是構(gòu)建動態(tài)信任模型，基于模糊控制對動態(tài)信任模型的信任度值進行分類，并根據(jù)分類結(jié)果及時、準確地調(diào)整操作員對機器人的控制權限，信任度值越高，賦予操作員對機器人的控制權限越高，從而有效提升了信任估計精度，確保人機信任模型能適應多樣化的人機交互場景，增強了人機信任模型在面對不確定性和動態(tài)變化時的魯棒性。

32、第二方面，本技術的實施例提出了一種電子設備，包括：至少一個處理器；以及，與所述至少一個處理器通信連接的存儲器；其中，所述存儲器存儲有可被所述至少一個處理器執(zhí)行的指令，所述指令被所述至少一個處理器執(zhí)行，以使所述至少一個處理器能夠?qū)崿F(xiàn)如上述第一方面中所述的一種基于模糊控制系統(tǒng)的人機信任模型。

33、第三方面，本技術的實施例提出了一種計算機可讀存儲介質(zhì)，存儲有計算機程序，所述計算機程序被處理器執(zhí)行時，能夠?qū)崿F(xiàn)如上述第一方面中所述的一種基于模糊控制系統(tǒng)的人機信任模型。

34、可以理解的是，上述第二方面至第三方面的有益效果可以參見上述第一方面中的相關描述，在此不再贅述。