Адаптивное роботическое сопровождение через оценку уступчивости в реальном времени и двухрежимное управление

Обучение роботов быть лучшими помощниками

Представьте, что вы осваиваете новый танцевальный элемент или реабилитируете больное плечо. Человеческий инструктор не просто ставит вашу руку в нужное положение — он даёт пошаговые советы и поддерживает словами. Современные роботы чаще либо молча двигают вас, либо только говорят, не касаясь. В этой статье предложен новый подход, который позволяет роботам сочетать прикосновение и речь, адаптируясь в реальном времени к тому, насколько человек следует подсказкам, — чтобы помощь была безопаснее, естественнее и эффективнее.

Почему важно сочетать прикосновение и голос

Человеческие учителя постоянно регулируют, насколько они физически направляют вас и насколько полагаются на вербальные инструкции. Если вы отклонились, они могут твёрдо подвигать вашу руку и дать чёткие указания. По мере улучшения они ослабляют воздействие, переходя к лёгкой поддержке и ободрению. Роботам трудно воспроизвести это, потому что физические силы и устная речь — совершенно разные сигналы. Авторы поставили перед собой задачу дать роботу некую интуицию инструктора: способ оценивать готовность и способность человека следовать указаниям и решать, когда толкать, когда говорить и как сочетать оба способа.

Как работает адаптивный робот-коуч

Команда разработала Контроллер роботического сопровождения из трёх основных компонентов. Во‑первых, он непрерывно оценивает «уступчивость» — насколько точно человек повторяет требуемое движение — с помощью простых мер, таких как расхождение между требуемым и фактическим положением руки и плавность её движения. Во‑вторых, оптимизационный шаг определяет, какая доля коррекции должна быть обеспечена физически, а какая — вербальными подсказками, смещая баланс по мере изменения поведения человека. В‑третьих, модель преобразования силы в язык переводит внутренние планы робота в короткие, уместные фразы — мягкие советы или ободрение — на основе закономерностей, извлечённых из работы реальных терапевтов. Вместе эти элементы позволяют роботу координировать движения и «голос» в реальном времени.

Обучение у опытных терапевтов

Чтобы привязать систему к реальному преподавательскому поведению, исследователи изучили работу физиотерапевтов, которые тренировали пациентов в простой, но клинически важной задаче: подъёме руки от стороны тела над головой и обратно. В тщательно записанных сессиях терапевты иногда использовали только речь, иногда только прикосновение, а иногда и то, и другое. Команда обнаружила чёткие шаблоны. Когда пациенты сопротивлялись или испытывали трудности, терапевты применяли более сильную физическую помощь и чаще давали инструктивные указания. По мере того как пациенты следовали ближе к нужной траектории, терапевты ослабляли хватку, реже говорили и переходили от команд к ободрению. Эти шаблоны легли в основу того, как робот оценивает уступчивость и решает, когда опираться на силу, речь или их сочетание.

Испытание робот-коуча

Новый контроллер оценивали на двенадцати здоровых добровольцах, выполнявших то же упражнение на поднятие плеча в паре с коллаборативным роботом. В одном наборе испытаний исследователи сравнивали однорежимную помощь — только вербальные подсказки или только физические силы — с базовым двухрежимным контроллером, который всегда комбинировал их в фиксированной пропорции. Во втором исследовании они сравнили этот фиксированный двухрежимный режим с их адаптивным Контроллером сопровождения. Эффективность измерялась по тому, насколько точно участники следовали заданной траектории, по плавности движения, по времени выполнения и по изменениям в речевых шаблонах робота.

Что показали эксперименты

Во всех условиях сочетание прикосновения и речи оказалось в целом лучше, чем использование каждого из каналов по‑отдельности, особенно когда добавленный канал был тем единственным, на который человек действительно обращал внимание. В некоторых случаях физическая поддержка сократила ошибку положения более чем вдвое и сделала движения заметно плавнее и быстрее. Адаптивный контроллер пошёл дальше: он уменьшал ошибки отслеживания до 50%, улучшал плавность и сокращал время выполнения примерно на четверть по сравнению с фиксированным двухрежимным базовым вариантом. Примечательно, что его речевые шаблоны — как часто он «говорил» и насколько смещался от инструкций к ободрению — ближе соответствовали поведению опытных терапевтов, а участники оценили адаптивное сопровождение как более естественное и похожее на работу с человеческим тренером.

Что это может значить для повседневной жизни

Для непрофессионалов вывод таков: роботов можно научить сопровождать людей ближе к образцу опытного инструктора — сочетая лёгкое прикосновение и своевременные слова, которые адаптируются по мере обучения. Хотя исследование демонстрировалось на реабилитационном упражнении, базовые идеи могут распространяться на обучение письму, спортивным навыкам или сложным рабочим задачам. Чувствуя, насколько человек откликается, и подстраивая физическую и вербальную помощь на лету, будущие роботы могут стать не просто точными машинами, но терпеливыми, отзывчивыми партнёрами в обучении и восстановлении.

Цитирование: Tejwani, R., Payne, J., Velazquez, K. et al. Adaptive robot guidance through real-time compliance estimation and dual-modal control. Commun Eng 5, 81 (2026). https://doi.org/10.1038/s44172-026-00632-5

Ключевые слова: взаимодействие человека и робота, робототехника для реабилитации, адаптивное сопровождение, роботическое обучение, мультимодальное управление