物理人机协作（pHRC）领域核心挑战 - 实现安全高效协作的关键在于精准的人类意图估计和合理的人机角色分配，两者缺一不可 [1] - 现有意图估计方法依赖短期运动数据，缺乏多步预测能力，导致机器人难以感知人类意图的长期变化趋势 [1] - 技术缺陷可能引发人机分歧，影响协作安全性和效率，亟需突破现有方法局限 [1] DTRT框架技术创新 - 采用分层结构结合人类运动/力数据，实现意图快速捕获、轨迹预测和行为动态调整 [2] - 人类意图估计模块整合两个基于Transformer的CVAE，融合无障碍运动数据与避障时的轨迹/力数据 [7] - 角色分配机制采用微分合作博弈论（DCGT），将人类动态纳入长期预测，提升自主性与一致性 [7] DTRT框架性能优势 - 平均人机协作角度达76.4°，机器人辅助水平指数1.5，系统61.8%时间处于良好协作状态 [10] - 人类机械功仅3.5J，显著降低人力消耗 [10] - 三大核心优势：意图估计与角色分配联动、分层结构处理多模态数据、自适应领导者切换机制 [7][8] 行业应用前景 - 在制造、医疗、服务等领域具备重大应用潜力，尤其适用于危险复杂环境 [5][14] - 研究成果获ICRA 2025会议录用，技术路径兼具通用性与工程价值 [2][14] - 未来可拓展至工业制造、复杂作业、服务协同等场景，推动人机协作创新发展 [14] 实验验证结果 - 通过障碍物替换/随机定位实验验证，在预测精度和协作表现上显著优于现有方法 [9][13] - 有效平衡机器人自主性与人类引导，减少人机分歧并提升辅助水平 [13]