LiHRA

LiHRA是一个针对人机交互（HRI）场景设计的全新数据集，旨在促进自动化、基于学习的或经典的危险监测（RM）方法的发展。该数据集结合了3D激光雷达点云、人体关键点以及机器人关节状态，捕捉人机协作的完整空间和动态环境。数据集涵盖了六种代表性的人机交互场景，包括协作和共存任务、物体传递和表面抛光等，每个场景都包含安全和危险两种版本。LiHRA为训练和评估经典和基于AI的危险监测算法提供了丰富的资源。

LiHRA is a novel dataset designed for human-robot interaction (HRI) scenarios, aiming to advance the development of automated, learning-based, or classical risk monitoring (RM) methods. This dataset integrates 3D LiDAR point clouds, human body keypoints, and robot joint states to capture the complete spatial and dynamic environment of human-robot collaboration. The dataset covers six representative HRI scenarios, including collaborative and coexisting tasks, object handover, surface polishing and other typical tasks, with both safe and hazardous versions for each scenario. LiHRA provides rich resources for training and evaluating both classical and AI-based risk monitoring algorithms.

原始信息汇总

LiHRA: A LiDAR-Based HRI Dataset for Automated Risk Monitoring Methods

数据集概述

LiHRA是一个基于LiDAR的数据集，专为人机交互（HRI）中的自动化风险监测（RM）方法设计。该数据集提供3D LiDAR点云、人体关键点和机器人关节状态，捕捉真实世界HRI动态。数据集包含安全关键场景，如物体交接和共享工作空间交互，涵盖有意接触和无意碰撞，以支持风险监测和缓解研究。

数据集内容

• 6个场景：协作（危险、非危险）、物体交接（危险、非危险）、共存（危险、非危险）
• 4,431个点云：以10 Hz频率记录
• 机器人状态：机器人关节状态、机器人ROS 2 tf-Frames
• 人体关键点：作为ROS 2 tf-Frames提供，包含5个人体关键点

硬件信息

• LiDAR：Seyond Falcon Kinetic LiDAR
• 机器人：Franka Emika Robot (FER)
• 追踪器：HTC VIVE Tracker 3.0

使用许可

数据集仅用于研究目的，不得用于商业用途。

相关资源

• 论文：arXiv Dataset
• 网站许可证：Creative Commons Attribution-ShareAlike 4.0 International License

搜集汇总

数据集介绍

构建方式

LiHRA数据集通过多模态数据采集框架构建，整合了高精度Seyond Falcon Kinetic 3D LiDAR传感器、HTC VIVE Tracker 3.0运动捕捉系统和Franka Emika协作机器人。数据采集采用严格的外部标定流程，通过反射器辅助的Kabsch-Umeyama算法实现LiDAR、机器人基坐标系与运动捕捉系统的精确空间对齐。在六类典型人机交互场景中，同步记录10Hz频率的LiDAR点云、人体5个关键点（头、肩、手）坐标及机器人关节状态数据，最终形成包含4,431帧标注数据的多模态数据集。

特点

该数据集的核心特征体现在三维空间动态感知能力与风险标注体系。LiDAR点云提供毫米级精度的环境几何重建，结合亚厘米级精度的人体关键点追踪，完整捕获人机交互的空间动力学特征。数据集涵盖协作任务、物件传递和共存场景等六类工业场景，每类均包含安全版本与危险版本对比数据，其中危险场景包含故意接触和意外碰撞的真实记录。所有数据帧均标注有时间同步的多模态信息，包括机器人关节力矩、速度及末端执行器空间坐标，为风险量化分析提供完整上下文。

使用方法

数据集支持基于学习与传统方法的风险监测算法开发。研究者可利用点云数据训练人体姿态估计模型，结合机器人状态信息构建动态风险图谱。风险量化可采用基于ISO/TS 15066标准的启发式函数，通过计算人机距离、相对速度和关节力矩等参数生成风险指标。对于碰撞严重度评估，可通过逆向动力学模型计算外部作用力，结合机器人阻抗控制特性分析碰撞能量传导。数据集提供的标定参数允许开发者重建精确的空间坐标系，实现多模态数据的时空对齐与融合分析。

背景与挑战

背景概述

随着协作机器人在工业环境中的广泛应用，人机交互安全性成为关键挑战。LiHRA数据集由斯图加特大学工业自动化与软件工程研究所与Proximity Robotics公司于2025年联合创建，旨在解决传统风险评估方法依赖人工主观判断的局限性。该数据集通过融合3D激光雷达点云、人体关键点与机器人关节状态，首次实现了对工业人机协作场景中空间动态关系的完整捕捉，为基于人工智能的风险监测算法开发提供了重要基础。其多模态数据架构显著提升了危险事件识别的精确度，推动了符合ISO/TS 15066标准的自动化安全系统研究。

当前挑战

在领域问题层面，LiHRA需解决动态环境中人体行为预测的不确定性、多模态数据时空对齐精度、以及碰撞风险量化模型的实时性要求等核心挑战。数据集构建过程中面临三大技术难点：高精度运动捕捉系统与激光雷达的外部标定误差需控制在亚厘米级；危险场景下人为碰撞事件的安全复现与伦理边界界定；以及工业环境下机器人动力学参数与外部力估计的模型漂移问题。这些挑战直接影响风险监测算法在真实场景中的泛化能力与可靠性。

常用场景

经典使用场景

在工业人机协作领域，LiHRA数据集通过融合3D激光雷达点云、人体关键点与机器人关节状态数据，为风险监测算法提供了多模态训练与验证基础。其典型应用场景包括协作任务中的动态距离监测、物体交接过程中的接触力预测，以及共享工作空间内突发碰撞事件的实时识别。该数据集覆盖六类代表性交互场景，包含安全与危险双版本，能够精确还原工业环境中人机协同的空间关系与运动时序特征。

解决学术问题

LiHRA解决了人机协作风险评估中缺乏高质量真实数据的问题，为基于学习的安全算法开发提供了标准化基准。其通过同步记录激光雷达点云、人体运动捕捉数据与机器人动力学状态，支持对碰撞严重性、行为预测和上下文感知风险建模的研究。该数据集填补了现有数据在危险场景标注、多模态对齐及合规性验证方面的空白，推动了符合ISO/TS 15066标准的自动化风险监测方法的发展。

衍生相关工作

基于LiHRA的典型衍生研究包括结合启发式函数与学习算法的混合风险监测模型，如动态风险量化框架和上下文感知碰撞预测系统。这些工作利用数据集提供的多模态标签，开发了端到端的风险等级分类器、外力估计模块以及符合安全标准的合规性验证工具。部分研究进一步扩展了数据集的应用范围，探索了在移动机器人、多人体协作等复杂场景中的泛化能力。