CT benchmark

CT benchmark是由葡萄牙科英布拉大学机械工程、材料与过程研究中心(CEMMPRE)开发的，用于评估和比较人机协作组装任务性能的基准。该数据集包含七个不同的子组装，涉及各种建筑，每个涉及一到三个部分的组装。数据集设计用于在人机协作环境中确保实验的可重复性和可复制性，主要应用于制造业组装任务，旨在通过比较手动、自动和协作组装过程的性能来提高效率。

The CT Benchmark was developed by the Centre for Mechanical Engineering, Materials and Processes (CEMMPRE) at the University of Coimbra, Portugal, as a benchmark for evaluating and comparing the performance of human-robot collaborative assembly tasks. The dataset contains seven distinct sub-assembly tasks involving various assembly configurations, each requiring the assembly of 1 to 3 components. It is designed to ensure experimental repeatability and replicability in human-robot collaborative environments, and is primarily applied in manufacturing assembly scenarios, with the objective of improving efficiency by comparing the performance of manual, automated, and collaborative assembly processes.

搜集汇总

数据集介绍

构建方式

在智能制造与人机协作领域，CT benchmark的构建体现了对标准化评估体系的追求。该数据集以城市景观模型为物理载体，涵盖七种不同建筑子装配体，每个子装配体包含一至三个部件，通过五种常见工业装配任务（如宽公差插入、紧公差插入、螺丝紧固、卡扣装配及双手操作）实现组合。设计上强调部件的独立性与顺序性，所有部件均采用可3D打印的坚固材料，具备易抓取特征，并通过开源STL模型文件确保可复现性。数据集构建过程中考虑了人机协作环境的安全性要求与操作灵活性，为多场景实验提供了模块化基础。

特点

CT benchmark的显著特点在于其任务多样性与评估维度的综合性。数据集不仅模拟了从简单到复杂的多层次装配场景，还通过量化指标（如总装配时间）与质性指标（如NASA-TLX问卷评估的工作负荷）实现多维性能对比。其部件设计兼顾人机操作特性，支持全手动、全自动及人机协作三种模式，且任务分配具备高度可配置性，允许研究者灵活设计协作策略。此外，数据集采用开放式3D打印模型，降低了部署成本与硬件依赖，增强了实验的可重复性与跨平台比较能力。

使用方法

使用CT benchmark时，研究者需将数据集部件置于人机均可触及的水平工作区，可根据实验需求预设部件位姿以简化机器人抓取。评估流程支持自定义装配序列，允许操作者使用螺丝刀等工具。典型应用包括对比全手动、全自动及人机协作三种装配模式的性能差异，通过记录装配时间与采集NASA-TLX问卷数据，分析协作效率与人机负荷分配。数据集还可拓展至任务序列规划、机器人抓取放置、视觉感知等研究方向，其模块化设计支持针对特定装配任务（如螺丝紧固或精密插入）的专项测试。

背景与挑战

背景概述

在智能制造领域，人机协作装配作为提升生产灵活性与效率的关键范式，正逐步取代传统全自动或纯人工装配模式。由葡萄牙科英布拉大学CEMMPRE研究中心Laura Duarte、Miguel Neves与Pedro Neto团队于2024年提出的CT基准数据集，旨在系统化评估人机协作装配场景的性能。该数据集以城市景观模型为实体载体，涵盖宽公差插入、紧公差插入、螺钉紧固、卡扣装配及双手操作等五种典型工业装配任务，通过七组复杂度各异的子装配体构建多任务测试环境。其核心研究聚焦于量化比较人工、全自动及协作装配模式在时间效率与人类工作负荷方面的差异，为协作机器人系统开发提供可复现、标准化的实验框架，推动人机协作在定制化生产中的实际应用。

当前挑战

CT基准数据集致力于应对人机协作装配领域的两类核心挑战：其一，在解决装配任务分配与性能优化问题上，需平衡协作系统中人类灵活性、机器人精确性与安全规范间的矛盾，例如如何在符合ISO/TS 15066速度限制下最小化装配时间，并量化人类工作负荷的降低幅度；其二，在数据集构建过程中，需设计兼具多样性、可获取性与可重复性的物理组件，确保涵盖从简单插入到复杂紧固的连续任务序列，同时克服3D打印部件的结构强度、抓取兼容性及多工具切换带来的实验复杂度，以支撑不同硬件配置下的公平性能比较。

常用场景

经典使用场景

在智能制造与协作机器人领域，CT benchmark作为一个标准化评估工具，其经典使用场景聚焦于对比分析人机协作装配与全手动、全自动装配模式的性能差异。该数据集通过构建一个城市景观模型，整合了宽公差插入、紧公差插入、螺钉紧固、卡扣装配及双手操作等五种常见工业装配任务，为研究者提供了一个可复现的实验平台。在典型应用中，研究者利用该数据集测量装配时间与人类操作员工作负荷，从而系统评估不同装配策略的效率与人性化程度，为人机协作系统的优化设计提供实证依据。

衍生相关工作

CT benchmark的推出激发了多领域衍生研究，其中经典工作包括对人机任务分配算法的优化探索。研究者基于该数据集的模块化任务结构，开发了动态任务调度模型，以最小化装配时间或人类工作负荷为目标。同时，该数据集也被用于视觉感知与机器人抓取研究，例如结合深度学习算法提升机器人对复杂零件的识别与操作精度。此外，部分工作扩展了其评估维度，引入了安全性与用户体验等新指标，进一步丰富了人机协作评估体系，推动了如FurnitureBench等专项装配基准的发展。

数据集最近研究

最新研究方向

在智能制造与人机协作领域，CT benchmark作为新兴的评估工具，正引领着人机协同装配任务的前沿研究方向。该数据集通过集成多种装配操作（如宽公差插入、紧公差插入、螺钉紧固等），构建了一个涵盖不同复杂度的城市景观模型，为量化人机协作效率提供了标准化平台。当前研究热点聚焦于优化任务分配策略与动态协调机制，旨在平衡装配时间与操作员工作负荷之间的矛盾。实验结果表明，尽管协作装配耗时较长，但能显著降低操作员的心理与生理负担，这为柔性制造系统的设计提供了关键洞见。该数据集的开放性与可重复性，不仅促进了跨研究团队的成果比较，还推动了协作机器人安全标准（如ISO/TS 15066）在实际工业场景中的深化应用，对提升定制化生产效能具有深远意义。

相关研究论文

• Benchmarking human-robot collaborative assembly tasks

  机械工程、材料与过程研究中心(CEMMPRE) · 2024年