近日，我校自动化学院张毅博士以第一作者及通讯作者，南京工程学院为第一署名单位，联合南京航空航天大学等单位，在国际权威期刊《Journal of Manufacturing Systems》上发表题为：“Dual-stream adaptive graph convolutional network with enhanced skeleton representation for human-robot collaborative assembly intention recognition”的学术论文。该期刊为工程技术大类的中科院一区TOP期刊，聚焦智能制造系统交叉领域的前沿研究，当前影响因子为14.2。

随着现代制造业向智能化、柔性化深入发展，人机协作装配（HRCA）融合人类认知灵活性与机器人操作精度已成为工业5.0智能制造的核心范式。动作意图识别是实现人机无缝交互的关键，但工业装配场景的复杂性使协作机器人难以准确理解操作人员的动作意图。现有方法多采用固定骨骼拓扑结构的图卷积网络，无法自适应捕捉不同装配动作下的跨关节动态关联特征，且仅依赖关节坐标单一骨骼特征，未能融合关节轨迹运动学、骨骼几何变换等多层级动态信息，导致动作意图语义表征片面、识别精度有限。该论文提出基于双流自适应图卷积网络（DS-AGCN）的HRCA动作意图识别方法，从原始关节坐标与关节运动特征两个维度表征装配动作，显著提升意图识别准确率。同时，引入六种数据增强策略以增强模型对操作人员个体差异的泛化能力，并融入自适应邻接矩阵，强化非自然连接关节间的动态依赖学习。实验结果表明，该方法能够有效提升复杂工业装配场景中的人机协作装配效率。

论文链接: https://www.sciencedirect.com/science/article/abs/pii/S0278612526001342