物流業務的快速增長產生了對更加進化和高效的倉庫系統的需求。機器人技術的進步可以通過自動完成當前由人類完成的任務來幫助滿足這些需求，從而顯著加快工作流程。

然而，為了安全有效地運行，機器人倉庫助理應該能夠識別其操作人員的意圖。薩格勒布大學和卡爾斯魯厄理工學院的研究人員最近開發了一種基于心理理論(ToM)原理的人類意圖估計算法。ToM是人類識別其他人的意圖，信仰，欲望，情感和心理狀態的能力。

“我們的研究源于歐盟的地平線2020項目SafeLog，該項目旨在讓人類安全進入完全自動化的倉庫，移動機器人可以攜帶機架，而無需關閉整個機器人隊伍，”David Puljiz，其中一名進行這項研究的研究人員告訴TechXplore。“這是通過使用專門設計的安全背心和AR設備來指導和幫助工人駕馭這種環境。”

為了增強安全性，研究人員設計的倉庫安全系統計劃了一個機器人的路徑，以便它不會與人類工作者發生沖突。為了使其工作，它需要知道人類操作員的去向，特別是如果他沒有前往先前商定的位置。

Puljiz和他的同事觀察了個體人工在倉庫環境中的運動，并使用一種稱為基于廣義Voronoi圖的計劃方法對其目標位置進行了驗證。然后將這些觀察結果輸入隱藏的馬爾可夫模型，該模型可以在導航變化的環境時在線估計工人的意圖。

“基于隱馬爾可夫模型運動驗證的基于ToM的人類意圖估計算法基于隱馬爾可夫模型運動驗證，”參與該研究的另一位研究人員Tomislav Petkovic告訴TechXplore。“我們觀察工人的運動，并使用基于廣義Voronoi圖的路徑規劃對目標位置進行驗證。然后，這些觀察結果由隱馬爾可夫模型框架處理，該框架在線估計工人的意圖，能夠處理不斷變化的環境.LAMOR lab在薩格勒布大學開發了算法的后端：運動驗證和目標估計。“

為了評估該模型的有效性，卡爾斯魯厄理工學院的知識產權實驗室使用Microsoft Hololens AR眼鏡在小型倉庫測試環境中進行了意圖估算實驗。研究人員使用VR技術在大型虛擬倉庫中進行了進一步的評估。他們發現他們的框架可以非常準確地有效地估計倉庫工人的意圖。

“我認為我們研究中最有意義的方面是AR設備不僅可以用于娛樂或營銷，而且實際上可以用于工業環境，”Puljiz說。“ 研究領域相當新，這個領域有很多可能性。”

將來，Puljiz及其同事開發的實時人類意圖估算算法可以提高基于倉庫的機器人系統的安全性和效率。例如，它可以幫助開發更具響應性的機器人，這些機器人可以估計周圍人類操作員的意圖，相應地調整和規劃他們的路線。

“在未來的工作中，我們可以將算法擴展到3D空間并按照3D中的凝視方向來確定，例如，工人是否打算選擇錯誤的物體，或者他是否擔心機器人接近，”Puljiz說。“還有很多其他可能性，包括手動跟蹤集成。”