Bimanual coordination is critical in many robotic and haptic systems, such as surgical robots and rehabilitation robots. While these systems often incorporate two robotic manipulators for each limb, there may be a missed opportunity to leverage overarching models of human bimanual coordination to improve the way in which the robotic manipulators are controlled and respond to the dynamic human operator. In this article, we study the influences of several bimanual motion factors (e.g., symmetry and direction) on kinematic human joint-space features and performance outcome task-space features in a user study with 11 subjects and two haptic devices. Additionally, we evaluated the ability to use joint-space features to classify types of bimanual movement, showing the potential for a robotic system to predict how users coordinate their limbs. Three classifiers, namely, likelihood ratio, k-nearest neighbor, and support vector machine, are evaluated for classification accuracy with regard to the factor of number of targets. Likelihood ratio resulted in an accuracy of 79.6% with the majority of correct predictions occurring immediately at the start of movement. The task-space performance results reveal that despite the relative direction of both hands, reaching two targets results in lower performance than a single target, and symmetry alone does not contribute to performance disparity. In addition, dimensionless integrated absolute jerk is an indicator of superior performance for this particular task. Furthermore, these results align with current bimanual coordination theory by showing that manual performance disparities are a consequence of task constraints and conceptualization.

中文翻译：

---

动态双手路径跟踪任务的固有运动学特征

双手协调在许多机器人和触觉系统中至关重要，例如手术机器人和康复机器人。虽然这些系统通常为每个肢体包含两个机器人操纵器，但可能会错失利用人类双手协调的总体模型来改进机器人操纵器的控制方式和对动态人类操作员的响应方式的机会。在本文中，我们在一项包含 11 名受试者和两个触觉设备的用户研究中研究了几个双手运动因素（例如，对称性和方向）对运动学人体关节空间特征和性能结果任务空间特征的影响。此外，我们评估了使用关节空间特征对双手运动类型进行分类的能力，展示了机器人系统预测用户如何协调四肢的潜力。三个分类器，即似然比、k-最近邻和支持向量机，根据目标数量的因素评估分类精度。似然比导致了 79.6% 的准确率，大多数正确预测在运动开始时立即发生。任务空间性能结果表明，尽管双手的相对方向不同，但达到两个目标会导致性能低于单个目标，并且仅对称性不会导致性能差异。此外，无量纲集成绝对加加速度是该特定任务卓越性能的指标。此外，这些结果与当前的双手协调理论一致，表明手动性能差异是任务约束和概念化的结果。即似然比、k-最近邻和支持向量机，根据目标数量的因素评估分类精度。似然比导致了 79.6% 的准确率，大多数正确预测在运动开始时立即发生。任务空间性能结果表明，尽管双手的相对方向不同，但达到两个目标会导致性能低于单个目标，并且仅对称性不会导致性能差异。此外，无量纲集成绝对加加速度是该特定任务卓越性能的指标。此外，这些结果与当前的双手协调理论一致，表明手动性能差异是任务约束和概念化的结果。即似然比、k-最近邻和支持向量机，根据目标数量的因素评估分类精度。似然比导致了 79.6% 的准确率，大多数正确预测在运动开始时立即发生。任务空间性能结果表明，尽管双手的相对方向不同，但达到两个目标会导致性能低于单个目标，并且仅对称性不会导致性能差异。此外，无量纲集成绝对加加速度是该特定任务卓越性能的指标。此外，这些结果与当前的双手协调理论一致，表明手动性能差异是任务约束和概念化的结果。k-最近邻和支持向量机根据目标数量的因素评估分类精度。似然比导致了 79.6% 的准确率，大多数正确预测在运动开始时立即发生。任务空间性能结果表明，尽管双手的相对方向不同，但达到两个目标会导致性能低于单个目标，并且仅对称性不会导致性能差异。此外，无量纲集成绝对加加速度是该特定任务卓越性能的指标。此外，这些结果与当前的双手协调理论一致，表明手动性能差异是任务约束和概念化的结果。k-最近邻和支持向量机根据目标数量的因素评估分类精度。似然比导致了 79.6% 的准确率，大多数正确预测在运动开始时立即发生。任务空间性能结果表明，尽管双手的相对方向不同，但达到两个目标会导致性能低于单个目标，并且仅对称性不会导致性能差异。此外，无量纲集成绝对加加速度是该特定任务卓越性能的指标。此外，这些结果与当前的双手协调理论一致，表明手动性能差异是任务约束和概念化的结果。根据目标数量的因素评估分类精度。似然比导致了 79.6% 的准确率，大多数正确预测在运动开始时立即发生。任务空间性能结果表明，尽管双手的相对方向不同，但达到两个目标会导致性能低于单个目标，并且仅对称性不会导致性能差异。此外，无量纲集成绝对加加速度是该特定任务卓越性能的指标。此外，这些结果与当前的双手协调理论一致，表明手动性能差异是任务约束和概念化的结果。根据目标数量的因素评估分类精度。似然比导致了 79.6% 的准确率，大多数正确预测在运动开始时立即发生。任务空间性能结果表明，尽管双手的相对方向不同，但达到两个目标会导致性能低于单个目标，并且仅对称性不会导致性能差异。此外，无量纲集成绝对加加速度是该特定任务卓越性能的指标。此外，这些结果与当前的双手协调理论一致，表明手动性能差异是任务约束和概念化的结果。似然比导致了 79.6% 的准确率，大多数正确预测在运动开始时立即发生。任务空间性能结果表明，尽管双手的相对方向不同，但达到两个目标会导致性能低于单个目标，并且仅对称性不会导致性能差异。此外，无量纲集成绝对加加速度是该特定任务卓越性能的指标。此外，这些结果与当前的双手协调理论一致，表明手动性能差异是任务约束和概念化的结果。似然比导致了 79.6% 的准确率，大多数正确预测在运动开始时立即发生。任务空间性能结果表明，尽管双手的相对方向不同，但达到两个目标会导致性能低于单个目标，并且仅对称性不会导致性能差异。此外，无量纲集成绝对加加速度是该特定任务卓越性能的指标。此外，这些结果与当前的双手协调理论一致，表明手动性能差异是任务约束和概念化的结果。任务空间性能结果表明，尽管双手的相对方向不同，但达到两个目标会导致性能低于单个目标，并且仅对称性不会导致性能差异。此外，无量纲集成绝对加加速度是该特定任务卓越性能的指标。此外，这些结果与当前的双手协调理论一致，表明手动性能差异是任务约束和概念化的结果。任务空间性能结果表明，尽管双手的相对方向不同，但达到两个目标会导致性能低于单个目标，并且仅对称性不会导致性能差异。此外，无量纲集成绝对加加速度是该特定任务卓越性能的指标。此外，这些结果与当前的双手协调理论一致，表明手动性能差异是任务约束和概念化的结果。