人–机器人协同作业中的人因问题研究综述*

张岚云，刘怡宏，王翀姿，周海海

（南京航空航天大学，江苏 南京 210016）

引 言

工业5.0的演进，不仅助力高效、可持续和具有韧性的工业生态系统的构建，而且重新定位了人类劳动力在工厂中的作用。人机关系从传统的“主–从”模式向“主–协作”模式转变，形成了一种全新的伙伴式“人机协同”模式。在这种模式下，操作人员与协作机器人紧密合作，形成一个动态的、紧密耦合的系统，以完成各种任务。机器人非常高效地执行简单繁重的重复性任务，操作人员则可以将精力集中于认知决策等关键任务，并对作业过程进行及时的调整，让人机协同作业更加灵活[1]。人机协同作业模式具有高效和便捷的特点，在电子制造业中被广泛应用，并极大地推动了制造业的发展[2]。

由于人机协同作业模式存在大量且复杂的人机交互，且操作者需要与协作机器人共享同一个工作空间并近距离地接触，因此研究人员对人机协同作业中的人因问题进行了大量的讨论与研究。本文首先概述了人机协同作业模式的发展以及过程应用现状；然后，从人机协同作业的人因评估以及人因设计2个角度，对人机协同作业中人因问题的相关研究进行了整理和归纳。本文对整个人机协同作业领域人因问题的相关研究进行综述，以期为电子机械及整个制造业中人机协同系统中人机安全、人机信任以及人机功效的研究提供参考。

1 电子机械工程制造行业中人机协同的应用

在电子机械工程制造行业中，人与机器人的协作是指有目的地设计的机器人系统和操作人员在协作工作空间内同时执行任务[2]，即协作机器人和操作人员可以同时甚至共同执行任务。人机协同作业也是电子产品复杂精密件柔性制造的关键。柔性系统可以根据加工需求快速调整生产线配置，实现多品种、小批量的生产模式。在这种模式下，操作人员和协作机器人需要紧密协作，共同应对生产过程中的变化。操作人员负责灵活调整生产流程，而机器人则负责执行相应的操作任务。

根据文献调研，人机协同技术在电子机械制造领域已得到部分应用。以电子设备制造过程中的点胶工序为例，产线操作人员在协作机器人的配合下，能够高效完成多点位的涂胶工作。协作机器人还可通过牵引示教，协助操作人员更方便容易地编写涂胶工艺程序，同时使用机器人可以控制涂胶出胶量，保证均匀出胶，如图1所示。这非常适用于汽车零部件行业、3C电子行业等各类需要涂胶的场景。另外，电子设备装配和运维过程中大量的印制电路板（Printed Circuit Board, PCB）插拔工作，也是人机协作常见的使用场景。

图1 电子设备涂胶协作机器人

电子设备制造中的特种焊接，可以在人机协作模式下获得更柔顺的末端拖拽效果，用户能够轻松快速、精准无误地将焊枪拖拽到指定的目标焊点，提升了工作效率（图2）。

图2 电子设备焊接拖拽协作机器臂

图3 协作机器人动作[7]

质量控制及缺陷检测是电子产品生产的关键环节，人机协作技术可以用于提高质量控制的效率和准确性。例如，利用图像处理及计算机视觉技术，机器人可以通过采集电子产品表面图像数据，准确判断产品是否存在缺陷或组装问题，并对不同类型的缺陷分类，操作人员可以通过与机器人进行交互，对生产过程中的关键参数进行实时监控和调整，以确保产品质量符合标准。人机协同的发展呈现出智能化、自动化、网络化和数字化等趋势。随着技术的不断进步和应用场景的不断拓展，人机协同技术将在未来发挥更加重要的作用，推动电子机械制造业向更加高效、智能和可持续的方向发展。

2 人因评估

2.1 人机信任

信任是一种基于过去经验的判断，人机协作机器人系统中的人机信任主要指操作人员相信协作机器人能够按照预期完成任务，不会给自己带来伤害[3]。随着人机协同作业模式的出现，操作人员需要充分信任协作机器人，才能更好地完成任务，因此人机信任问题受到了越来越多的关注[4]。

文献[5]设想了一个场景：操作人员不信任甚至排斥协作机器人，拒绝配合机器人的动作，因为他们对协作机器人的底层算法和决策持怀疑态度。因此，研究人员通过不断创新，致力于寻找能促进信任的高效人机协同系统，帮助操作人员接受和信任先进的协作机器人带来的帮助[6]。

2.1.1 人机沟通的有效性

有效的人机沟通有利于操作人员意识到机器人的意图，从而对协作机器人产生信任[6]。人机协同作业中的沟通主要包括2个方面：1）操作人员需要了解机器人的行动轨迹、目的及后果，并能够大致预判机器人的下一个动作；2）机器人需要了解用户的意图从而配合其工作。

用户对机器人的不信任，一部分来源于他们不能预判协作机器人的运动轨迹以及机器人的高速运动可能对他们带来伤害。为了研究如何让操作人员更好地预判机器人的动作，从而信任协作机器人，文献[7]对机器人的运动速度以及接近操作人员的方式展开了研究，让协作机器人分别在2个不同运动速度下，以高预测性（轨迹顺滑且速度变化均匀）和低预测性（轨迹存在突然的转折，速度变化不均匀）2种运动模式进行以下操作：将工件从容器中取出并运送给用户（○1）；机器人将工件展示给用户检查（○2）；在用户响应后，机器人将工件运输到2个目标容器中的一个容器内（○3），然后测试被试的主观感受以及完成任务的效果。结果显示，在高预测性且低速的情况下，参与者的心理压力更小，更能信任协作机器人，任务完成度也更高。

在现有的研究中，协作机器人已可通过多种方式了解操作人员的意图。在用户与机器人存在接触的情况下，为了使他们更加信任协作机器人，文献[8]开发了一种自适应接纳控制系统，通过检测操作人员施加于协作机器人的外力来预测他们的意图，从而相应地调整协作机器人的速度、轨迹和动作等，让用户与机器人的配合更加自然。研究还发现，使用径向基函数网络进行自适应接纳控制，可以使协作机器人在动态与静态切换过程中与操作人员的相互作用力最小。还有研究人员采用将操作人员与协作机器人的角色反复切换的交叉训练方式来训练这一控制系统，并将训练出来的系统与采用标准的人–机器人方法训练出来的系统进行比较，发现交叉训练出来的控制系统在绩效及人机信任方面的表现更优[9]。并且在用来训练的操作者心智模型有限的情况下，这一训练方法还可以解决系统在遇到没有训练过的模型时很难有效执行任务的问题。

在操作人员与协作机器人无接触的情况下，机器人可通过直接方式（识别用户手势和语音指令等）或间接方式（通过人体运动来预测用户意图）来了解操作者的要求，实现与操作者的沟通。现在的直接交互方式也不再局限于手势和语音，协作机器人可以通过解读操作人员的目光以及面部情绪等多种模态的信息来增强用户与机器人的交流[10]。尽管这种多模态的信息给通信系统带来了冗余，但在面对工作场所不可预料的噪音及外部干扰时，多个信息输入渠道的互补能让通信更加可靠[1]。

2.1.2 人机信任度的检测

信任作为一种主观感受，通常需要利用问卷调查、访谈等方式来检测[4]，但检测需要在人机交互结束后才能进行，具有滞后性且不能观测到人机互动过程中信任程度的实时变化。因此，在工业自动化相关领域，研究者开始利用设备观察大脑中的神经活动及各脑区的连接，并以此实现对信任程度的实时监测[11]。其中前运动皮层与初级运动皮质等脑区的活动已经被证实与用户对辅助技术的信任度有关[12]。

在此基础上，文献[13]提出了按照操作人员的信任程度进行子任务分配的人机协作机器人任务分配策略，寻求使得实时信任最优的任务分配方法。文献[14]通过检测信任程度来调整协作机器人的运动速度和运动轨迹，寻求最优的协作机器人运动控制策略。图4展示了一个实验案例场景，图5为该案例中的2条备选路径：一条安全的机器人运动路径和一条高效的机器人运动路径（点的疏密表示人手可能的运动范围）。实验测量了协作机器人按照不同路径运动时，操作人员信任度的实时变化。此外，也有研究者注意到了操作人员的信任程度与协作机器人能力之间的平衡。文献[15]提出，当操作人员的信任程度高于协作机器人的能力水平时，用户可能会由于过度信任协作机器人而忽视潜在的安全风险。

图4 人与协作机器人共享的工作空间[14]

图5 两条机器人运动的候选路径[14]

2.2 人因安全

人因安全主要指在人机协同作业过程中，尽可能地减少操作人员与协作机器人的意外碰撞次数及其带来的伤害[16]，以及避免长期工作给操作人员带来身体及心理的损伤[1]。在人机协同作业过程中，用户与机器人共享同一个工作空间，使得传统的将用户与机器人进行物理分割、设置围栏的安全保障方式不再适用。人机协同作业允许操作者与机器人进行接触，新的交互模式给人因安全的保障带来了新的要求[17]。

2.2.1 避免碰撞

意外碰撞是威胁人机协同作业中人因安全的重要因素，文献[6]将避免碰撞的措施划分为“避免接触”和“接触检测并减速”2大类。“避免接触”是通过预先设计，排除人机协同系统中碰撞发生的可能，而“接触检测并减速”则是使用距离传感器等装置，在协作机器人检测到可能发生碰撞的情况下，提前采取减速等措施，从而避免碰撞或减轻碰撞力度，确保用户安全。文献[18]则将安全策略分为3种：1）限制协作机器人的功率和力量大小；2）通过给协作机器人安装视觉系统以及检测接近、接触的传感器来检测即将发生的碰撞并进行阻止；3）在不停止协作机器人正在进行的操作的情况下，让操作人员调整机器人的动作来避免碰撞。文献[19]则提出了一种线性弹簧阻尼模型，传感器检测到的用户与协作机器人的距离越小，弹簧阻尼施加在协作机器人上的阻力就越大。

对机器人的运动进行规划是避免碰撞、保障操作人员安全的重要手段。有研究者通过开发控制算法，计算操作人员对工作空间实时占有情况及机器人应该避开的空间[20]或分析传感器信息来判断是否发生碰撞。文献[21]针对动态撞击和准静态夹紧这2种常见的导致操作人员受伤的情况，研究检测算法并验证其有效性。为进行动态碰撞检测实验搭建了2种场景，机器人在设计轨迹内的2个测试场景中，与操作者手臂发生碰撞：机器人绕关节旋转，以0.9 m/s的速度撞击人类手臂；机器人以0.5 m/s的速度撞击人类手臂，手臂向前伸出。也有研究者关注协作机器人运动系统的搭建，研究了基于Web的远程运动控制系统[22]、微型及大型欠驱动机械臂控制方法[23]以及基于机器人皮肤的多模态控制框架来更好地控制机器人[24]。另一些研究者关注如何让机器人对运动轨道进行自动修正，并开发了一种基于阻抗的轨迹修正策略[25]。

现有的安全标准规定，当操作人员和机器人密切合作时，必须至少使用以下技术之一来保障操作者的安全：1）安全监测及停止。当操作人员在一定范围内时，机器人不能移动。2）手部引导。通过协作机器人内的力学检测器来控制机器人。3）速度与分离监测。随着机器人与操作人员之间的距离缩短，机器人的速度也随之减缓。4）功率和力的限制。在协作机器人的功率与力度低于一定范围时，允许用户和机器人接触。

2.2.2 工作损伤

工作损伤是指人机协同系统的人机工程设计不佳，导致操作人员在长期的工作中身心健康指标下降的问题[26]。保障操作人员的安全就是在执行人机协同任务的全过程中，将所有职业风险降到最低[27]。例如，设计符合国际规范的工作姿势以降低损伤健康的风险。同时，协作机器人的自主运动会给操作人员带来精神压力和焦虑。因此，除了人身安全之外，用户的心理安全也同样需要关注[1]。

2.3 人机功效

人机功效被定义为：操作人员从事的工作带来的结果对完成工作目标的贡献[28]。每个工作周期生产产品的数量、质量以及每个产品平均消耗的资源等指标常常被用来评价人机协同系统的人机功效[29]。研究表明，人机信任以及人机安全等因素通过影响人机协同系统的人机交互表现来影响系统的人机功效[30]。

2.3.1 人机功效相关理论

为了提高人机协同作业中的人机功效，研究者提出了许多相关的理论。有研究者针对动态和固定的作业任务，构建可以合理分配任务的协作机器人系统框架[31]。也有研究者对现状进行分析，探索通过在生产线上改变工作地点的位置，或在生产线上增加新的传送带等方式提高人机功效的途径。文献[32]则研究了增强现实对工业装配任务中人机协同系统工作性能的影响。

然而，随着协作机器人在工厂中的应用越来越普遍，如何在人机协同作业过程中平衡好人机功效与人机工程等各因素的关系，成为人机协同交互的新挑战。毫无疑问，协作机器人的应用在带来许多挑战的同时，也在很大程度上提高了生产效率，但同时也应考虑到效率与人机工程的平衡[29]。文献[33]在模型中结合生产率和人机功效2个维度的指标，对手动操作和人机协同装配系统进行评估。文献[29]提出通过交互式进化算法，将操作人员的主观评价和心率信号作为反馈来评估并调整任务分配，从而优化人机协同系统的工作节奏，在人机功效与人机工程之间寻找平衡。文献[34]利用操作者佩戴的3种不同的可穿戴设备（胸带、手环和智能手表）收集的生理数据，设计了一个在保证生产率的同时减少操作者脑力和体力负荷的智能决策系统。

2.3.2 人机功效相关应用

在人机协同系统的人机功效研究中，有研究者关注其能否在企业中得到成功应用。文献[34]在协作机器人融入中小企业的工作场所的背景下，针对单调、繁琐和压力大的工作影响操作人员健康的问题，在分析其中的工作流程和操作人员负荷后，发现了在不影响效率的前提下降低操作人员在重复工作中的体力负荷的方法，而文献[35]也得到了类似的结果。

3 人因设计

3.1 人的感知角度

3.1.1 增强人的敏锐度

操作人员的敏锐度是指操作人员在操作过程中对周围环境、机器设备、工具、产品等信息的感知和识别能力，也包括操作人员在人机协同过程中的身体和心理状态[36]。增强人的敏锐度可以提高用户的工作效率及安全性。

将增强现实（Augmented Reality, AR）、虚拟现实（Virtual Reality, VR）技术应用于电子智能制造人机协同工作场景中，通过提供新颖的用户界面，轻松地将现实世界与附加信息融合，或为操作人员创造完全虚拟的操作环境，这种环境将大大提高操作人员的感知。文献[37]通过比较操作人员在虚拟环境和物理环境中的操作效率、心理感受、沉浸感等方面的差异，得出与物理环境相比，在虚拟环境中工作可以提高用户反应速度的结论。与VR相比，AR的功能在人机协同工作中有着更广泛的应用。文献[38]提出利用AR将动态交互式信息叠加显示在现实环境中，以增强协同装配场景中操作人员的感知。例如，将装配、警告和生产信息以文本形式显示在顶部区域，以免干扰正常视野范围，并使用不同的颜色来突出显示不同类型的消息（绿色表示组装说明，红色表示警告消息），如图6所示。

图6 AR环境中的信息显示[38]

3.1.2 方便人的操控

不同于手动、程序、遥控等传统的操控方式，在人机协同工作的场景中，用户可以通过手势、语音、生物信号、操作活动等多种表现形式来传达操作意图[36]。

通过新的操控方式，用户即使双手皆忙于任务，也能轻松地对协作机器人发出指令。文献[39]使用力传感器接收人体上半身每一个动作变化所产生的信号，并以此作为对机器人的命令。为了在嘈杂环境中实现对协作机器人的控制，文献[40]将脑电波应用于嘈杂环境中驱动协同工作中机器人的动作。文献[41]通过可穿戴传感器，实现了通过手势识别远程操控机器人停止、移动、旋转等功能。与传统的遥控设备相比，可穿戴传感器更加便利，功能也更多样。

3.1.3 减少人的身心负荷

以人为中心的人机协同设计还体现在协同作业中操作人员的身体负荷（如疲劳）和精神疲劳（如压力）方面。大量超负荷和不正确的身体姿态有可能给操作人员带来潜在的健康风险和职业伤害，如肌肉、骨骼方面的疾病[36]。

目前，已有部分研究从不同方面帮助人机协同工作中的操作人员减轻工作负荷。文献[42]提出了一种可以计算协同中操作人员关节载荷的模型，根据计算得出的数据，在当前工作中调整机器人的轨迹以适应符合人体工程学的身体姿势。文献[43]利用肌电图传感器测量当前工作中人体肌肉活动和疲劳程度，以分析操作人员的耐力，协作机器人根据人类的行为信息，调整协作的速度和频率，帮助操作人员恢复体力。文献[44]基于心率变异性（Heart Rate Variability,HRV）信号开发了一种解决操作人员脑疲劳的算法。该算法可以使机器人的运动特性及速度适应用户的精神状态，帮助调节用户的脑力负荷。

3.2 协作机器人的能力

3.2.1 机器人状态可读

在人机协同工作中，要保证机器人在不同任务中对用户的精确了解，以提供更安全、更有效的交互[45]，同时，还应当确保机器人当前的状态易于被操作人员读取。

机器人状态可读是将机器人的动作和计划（可预测和不可预测）直观地传达给操作人员，这有助于提升用户的认知能力，并为其下一步决策提供帮助[36]。文献[46]在移动机器人上设计了投射箭头和闪光灯，用于传达机器人的路径和目标信息，方便用户更快地辨别协作机器人的移动意图，以免发生不必要的碰撞。对于更复杂的机器人状态（如任务完成进度）的表达，文献[47]提出了基于动物肢体语言的动物手势方式，用于用户和协作机器人之间的信息传达，以帮助操作人员直观地了解协作机器人的状态。

3.2.2 机器人认知

机器人认知旨在希望协作机器人深入理解操作人员的行为和意图，并与任务目标紧密结合，进而实现操作人员期望的协作机器人自适应操纵[36]。

随着人机工程学和机器人学习的不断发展和完善，机器人的认知能力已经不再局限于最初的水平即仅考虑交互范围（避免碰撞），而开始考虑交互动作等更进一步的认知信息[48]，目前具有认知功能的协作机器人已经演变成智能代理，并主动加入人机协同系统的合作[36]。文献[49]在人机协同任务中为操作人员佩戴了可穿戴振动触觉环，机器人通过解读触觉环传达的信息，理解操作人员即将采取的行动，而用户则接收振动触觉反馈以确认信息。在人机协同工作任务中，文献[50]开发了基于机器人学习的双输入深度学习算法，使协作机器人从操作人员的演示中自主学习。该算法的框架如图7所示。

图7 基于机器人学习的双输入深度学习算法[50]

共享工作空间是人机协作区域，待组装区域包含等待组装的下一个部分。相机1为目标摄像头，用来监控工作区域；相机2为背景摄像头，用来监控待处理区域。将这2个摄像头的数据输入到该模型。在协作阶段，通过模型做出操作决策，以便进一步协作。将此框架拓展至电子智能制造领域，可以理解为用户在等待区域放置一个零件，然后控制机器人到达目标位置。工作完成后，用户控制机器人回到起始位置。这个过程可以重复进行，直到每个零件组装完毕。在演示过程中，用户使用控制器操作机器人进行协同装配。

3.3 人机协同的工作空间

人机协同作业是指操作人员和机器人共享一个工作空间并同时在同一组件上进行工作，因此研究协同作业空间在人因设计中也显得尤为重要[28]。在协同作业场所中，用户与协作机器人可以顺畅地互动，共同提升工作效率、生产力及灵活性，达到较高的协同水平。

3.3.1 协同工作空间设计

人机协同空间设计是对工作环境进行几何和语义知识的解释，包括静态和动态对象的检测、空间姿态估计、整体场景构建和任务解释[36]。

在工作空间的设计中，首先应该考虑安全，在此背景下，协作机器人工作场所的设施布局问题是当前面临的最关键的挑战之一。文献[51]提出了一种基于知识的人机协同工作场所布局优化方法，为实现高效的人机协同提供了一种有价值的工具。对于模块化生产系统中机器人的工作空间配置和组件的布置，文献[52]提出需要在工作空间中考虑到操作人员的参与。对于特定类型的协作机器人（如ABB YuMi），文献[53]提出需要分别研究人机协同工作站的工作场所设计、装配流程设计、工作站设计、实施和验证过程，以确保工作空间的合理性和可用性。不可否认的是，人机工作空间的设计高度依赖于装配规划人员的知识和经验，因此，文献[54]提出在进行人机协同空间设计时，将人类工作者的偏好纳入协同环境设计中是非常重要的。

3.3.2 协同工作空间限制

在人机协同工作空间中，对空间加以一定的限制是必要的，通过某些强制的限制/约束规定协作机器人的工作空间，以最大程度地保证操作人员的安全。文献[55]通过研究提出了一种阻止操作人员强迫协作机器人进行某种配置的方法。该方法由虚拟约束和笛卡尔导纳控制方案组成，可根据运动学可操控性指数进行调整。文献[56]将任务堆栈法与二次编程相结合，使协作机器人的无效空间达到饱和，通过这种方法可以限制协作机器人的工作空间，使机器人保持在由其配置空间内的位置、速度和加速度组成的一组约束内，以达成对协作机器人工作空间的限制。文献[57]将操作空间控制公式与任务堆栈技术相结合，对文献[56]提出的方法进行扩展，并将算法转化为基于扭矩的方法，通过在任务堆栈中创建高优先级任务，可以将协作机器人的运动分别限制在笛卡尔空间和配置空间内。文献[58]对文献[59]提出的能量感知控制方案进行了扩展，加入了由文献[60]首次提出的人工势场的概念，此概念的加入限制了处于合规状态的协作机器人的执行工作空间（图8）。

图8 机械臂处于合规状态时虚拟工作空间约束[60]

3.4 人机协同任务分配

在人机协同交互领域，任务分配方案会直接影响操作人员的生产效率和工作强度[61]。如今，随着产品生命周期的缩短，制造方式正在从大规模生产转向多品种、小批量的生产模式。因此，人机协同工作中的任务分配显得尤为重要[29]。目前，电子智能制造领域人机协同任务调度的研究大多只停留在基于数学模型以降低成本、提高效率为目的的调度模式，未将操作人员的感受纳入研究范围[62]。

3.4.1 固定顺序任务分配

在固定顺序任务分配模式下，研究人员提出了多种依据不同原则的人机协同任务分配方式。文献[63]提出了基于工作量的任务分配模式，其中工作量由“用户”和“机器人”根据其身体状态和技能水平分担，而研究者以任务复杂性、智能体灵活性和智能体工作量为指标来评估协作机器人的技能水平。文献[64]认为必须根据任务的难度和复杂性评估来分配资源或职责。文献[65]针对单个操作人员和单个机器人协同的情况提出了任务分配方式，以最大限度地减少任务完成时间，减小人类身体压力。文献[66]提出了一种全面的拆卸序列规划算法。该算法可将整个任务拆解成单个子任务，并将子任务分配给不同的操作人员和协作机器人。但在实际生产中，协同任务有可能无法按照固定分配的任务顺序进行[67]，因此任务分配必须能够依照任务的实际情况进行动态调整。

3.4.2 动态最优任务分配

基于上述研究，部分研究者在固定顺序分配的基础上提出了动态的任务分配方式。此类分配模式可以依据实际工作过程中操作人员、协作机器人以及环境的状态对任务分配进行适时调整，以满足实际需求。

文献[68]提出了新的动态任务分配范式。该过程利用人类和机器人的不同技能来对任务进行分类，并允许在任务执行出现意外延迟的情况下重新分配任务。文献[69]提出了人机协同工作中的任务分配框架，允许系统处理不同的动态事件以找到最有效的解决方案。文献[61]从人体疲劳模型出发，设计任务重分配方法。该方法主要包括3个模块：疲劳特征提取、多模态疲劳评估和任务重新分配。疲劳特征提取模块从视频和脑电信号中提取特征，然后将提取的疲劳特征传递给多模态疲劳评估模块以评估操作人员的疲劳程度，最终利用疲劳程度来更新任务，并根据疲劳模型重新分配任务（图9）。

图9 基于动态人体疲劳模型的人机协同任务重分配方法框架[61]

4 挑战与未来展望

4.1 人类意图识别

电子制造领域中的人类意图识别是人机协同工作中的一项关键认知能力。人类意图识别可以分为短期意图识别和长期意图识别。短期人类意图是指人类期望协作机器人执行的操作或在执行当前任务的背景下人类自己的目标[70]。人类的短期意图可以是显式或隐式的，显式意图是通过语音、生物信号等方式有目的地传递信息，直接告诉机器人需要做什么[71]；隐式意图是通过手势、动作等方式，为机器人提供足够的信息来推断潜在的人类意图[72]。长期人类意图是指人类在整个制造职业生涯中的愿望，如尊重、晋升和提高技能等[70]。

理解短期人类意图旨在使协作机器人能够与用户以安全有效的方式完成制造任务，而理解长期人类意图则可以满足人类在制造中更高的需求，包括归属感、尊重和自我实现。目前的研究目标主要聚焦于机器人对人类短期意图的识别与理解，在这种趋势下，衡量及理解人的长期意图变得较为困难。因此在今后的研究工作中，对长期人类意图的理解也应该作为协作机器人的评估指标之一，以求在完善对人类短期意图的理解的前提下，尽可能地满足人类的长期意图。

4.2 人机协同中的自组织行为

人机协同中的自组织行为是指协同系统在没有外部干预的情况下，人类和机器通过预测彼此的需求并通过共享模型适应任务需求来协调彼此的活动，最终通过相互之间的作用和演化，实现自我组织、自我完善和自我发展的过程[73]。

目前生产制造领域对人机协同的研究局限于对操作人员、协作机器人、环境、当前任务等单一要素的分析，如对操作人员动作的识别、机器人运动监控、物体姿态估计、导航地图生成等[74]。然而，当其中任何2个要素存在融合或重叠占用空间时，该如何判断融合产生的危险或重叠任务的优先级？这给人机协同研究带来了不小的挑战。

为解决上述问题，在未来的人机协同研究中，应当适度引入自组织概念，在这种背景下，操作人员和机器人都可以根据对当前任务情境的理解来改变自己的行为，以最大限度地提高人类福祉和团队生产力。协同制造中自组织行为可以延伸和细化成以下3个特征[70]：

1）自配置。人机协同系统可以自动将系统中的所有元素（包括人）配置成有意义的团队，完成按需制造任务。

2）自我优化。人机协同系统可以根据时空动态和人类偏好自我优化其协作方案，以寻求人类健康和团队生产力的最大化。

3）自愈。当发生局部波动时，只需极少的人为干预，系统便可以恢复到最佳状态。

以上特征可以帮助协作机器人及系统通过了解人类的能力、状态和偏好做出相应的响应，进行自适应调整，以确保机器人与人类协同时建立最愉快的工作关系。在自组织的加入下人机协同系统将演变成一个优先考虑“以人为中心”和生产力的真正的智能系统。

4.3 针对未知情况的动态任务分配

在协同工作层面，动态任务分配是指利用人机协同系统在人类和机器人之间主动分配/重新分配任务，以优化人类健康和处理突发事件[75]。尽管当前的动态任务分配模式研究已经取得了一定的进展，但他们大多依赖机器人状态（即能力、可用性、健康状态和偏好）、预定的任务约束、人体疲劳模型以及先前的经验来动态地分配任务，当面临更复杂的意外或未知情况时，当前的动态任务分配系统就存在失效的风险。

但在实际生产中，当面对现实世界中不可避免的人类不确定性和产品变化时（例如，如果人工操作未能遵守任务优先级约束或新产品有额外的制造工艺要求），系统应该如何重新规划任务使得人机协同继续完成工作？

在此背景之下，首先应当考虑的是技术问题，可以对协同系统中的每个智能体下一时段的注意力、行为和工作量进行建模、模拟和预测，从而提前发现人类潜在的错误操作或机器人的失控动作，及时预防出现意外的任务进展或未知情况[36]。此外，操作人员对协同系统的信任度也是影响动态任务调度的重要因素。只有在操作人员对协同系统具有极高的信任度时，才能确保他们在系统动态调整任务分配时严格执行。这对如何使协作机器人以可信赖的方式行动提出了重大挑战。人工智能缺乏普遍接受的道德体系[76]，使得值得信赖的移情人工智能系统的开发变得复杂，因此需要开发新的方法来向智能系统灌输道德原则。

4.4 人–机器人协同作业中的人因研究体系

在从人因评估及人因设计2个角度对人–机器人协同作业中的人因问题进行系统的回顾之后，本文为今后的研究绘制了一份人–机器人协同作业中的人因研究体系，如图10所示。图中将4大人因设计元素细分为9个子元素，并对每个子元素侧重的人机交互中的感知对象进行了区分。虽然每个人因设计子元素都会涉及人因安全、人因信任及人因功效这3种人因评估因素，但不同的人因设计子元素各有侧重，例如，在工作空间的空间限制设计问题上，人因安全会被认为是3个因素中的首要因素。此外，还对各人因设计子元素涉及的技术以及交互中传递的信息进行了描绘。研究者可以参考该图，为人机协同系统中的人因评估与人因设计寻求解决方案。

图10 人–机器人协同作业中的人因研究体系

5 结束语

在以人为中心的智能制造时代，工业界和学术界都在努力实现真正的人机协同作业，其中协同中的人因问题一直受到广泛关注。本文在深入分析的基础上，首先对电子及装配制造业中协作机器人的发展及其在工程中的应用现状进行了全面的阐述；然后从人机信任、人体工效及人因安全3个关键维度出发，对协作机器人进行了人因评估；之后基于这些评估结果，对人机协同中的人因设计进行了深入的探究和总结；最后指出了现有人机协同作业系统研究的不足，并在此基础上就完善和推进未来电子制造领域的人机协同研究提出了如下建议：

1）人类意图识别。一方面，要保证人类短期意图（如给协作机器人的信息或操作指令的传递）的顺利实现；另一方面，不能忽视人的长期意图，即人类的心理感受、健康福祉等。

2）协同系统的自组织行为。为达到在没有外部干预的情况下，人类和协作机器人可以预测彼此的需求，协调彼此活动的目的，需实现协同系统的自组织行为。

3）面对未知情况的任务分配。需要从技术及人机信任2方面综合考虑，以确保在发生意外情况时系统可以及时进行任务的重新分配。

4）电子智能制造中不可忽视人的重要性。发展人机协同是电子机械制造业发展的必由之路，要实现人机协同，技术上可通过增强机器人认知、机器人状态可读等方式提高协作机器人的智能程度。同时，也应时刻关注人的心理感受等问题。