谁来照顾未来的我们？全球首个专家级机器人护理数据集发布

编辑：陈萍萍的公主@一点人工一点智能

论文地址：https://arxiv.org/pdf/2511.13707

项目地址：https://emprise.cs.cornell.edu/robo-care/

引言

随着全球人口老龄化加剧及残障人士数量的增加，对护理服务的需求日益增长。根据世界卫生组织的数据，全球约有13亿人存在显著的身体功能限制，其中许多人需要在日常生活中获得协助，即日常生活活动（ADLs）的支持。然而，专业护理人员和职业治疗师的数量远远无法满足这一需求。辅助机器人技术因此被视为缓解护理人力短缺的重要途径之一。近年来，机器人在进食、穿衣、洗浴、转移等ADL任务中取得了显著进展，显示出巨大的应用潜力。

尽管如此，机器人护理仍面临诸多技术挑战。以床上洗浴为例，机器人需具备在遮挡条件下准确感知人体状态的能力，能够安全地进行双手或移动式的人体肢体操作，并在不确定性下进行长时程任务规划，同时还需个性化适应用户的身体功能和偏好，并能根据人类反馈进行动态调整。这些挑战要求机器人系统具备高度的感知、决策与交互能力。为了应对这些挑战，近年来研究者开始采用基于学习的方法，尤其是从人类示范中学习护理任务。然而，现有数据集多为任务特定型，缺乏多样性、多模态性，且鲜有来自专业护理人员的真实示范数据，限制了机器人护理系统的泛化与适应能力。

相关工作

现有的护理相关数据集主要分为三类：护理调查数据集、物理人机交互数据集和人类活动识别数据集。护理调查数据集多基于问卷或访谈，关注护理的社会与健康维度，而非具体的物理护理过程。物理人机交互数据集如Bagewadi等人收集的拥抱交互数据、SBU Kinect Interaction数据集等，虽然涉及多模态感知，但任务单一，且缺乏护理场景的专业性。人类活动识别数据集虽涵盖家庭与医院环境，但多数未针对护理任务设计，缺乏对护理过程中关键交互的捕捉。

相比之下，OpenRoboCare是首个集多任务、多模态与专业护理人员示范于一身的数据集。如表I所示，它在任务数量、模态完整性、专家参与度等方面均优于现有数据集。该数据集不仅包含视觉与触觉数据，还引入了眼动追踪与动作标注，为研究护理行为中的注意力分配与任务分解提供了可能。

任务选择与护理协议

为构建具有现实意义的数据集，研究团队与职业治疗师合作，选取了六项基本ADLs中的五项——洗浴、如厕、穿衣、转移和梳理，排除了已有较多研究的进食任务。共设计了15项具体任务，涵盖不同身体部位、衣物类型与支撑环境。例如，穿衣任务包括在床上或轮椅上为模特穿脱T恤、背心与短裤等10种场景，以捕捉护理策略的多样性。

数据收集过程遵循严格的伦理与操作规范，所有参与者均为职业治疗师或相关专业学生，确保了示范的专业性与一致性。每位治疗师在两名不同体型与性别的模特上执行任务，每次任务约一小时，全程记录多模态数据。该协议不仅模拟了真实护理场景，还通过标准化设备布置与任务流程，保证了数据的可重复性与可比性。

数据收集设置

数据采集在一个模拟家庭护理环境的封闭空间中进行，配备了医院床、电动轮椅、Hoyer吊带等标准护理设备。为全面捕捉护理交互过程，系统集成了五种模态的传感器：

· RGB-D视频：使用三台Intel RealSense D435i相机从不同角度捕捉场景的视觉与深度信息。

· 触觉皮肤：自主研发的柔性压阻式触觉传感器覆盖模特全身，共88个传感单元，通过电压-力标定实现对接触力的高精度测量。其输出电压 V 与施加力 F 之间的关系通过标定曲线建模，具有非线性但在0.05–3 N/cm²范围内稳定。

· 姿态追踪：采用12台OptiTrack PrimeX 13运动捕捉相机，配合标记点追踪护理者与模特的全身运动。为解决遮挡问题，研究团队结合手动标注与YOLOv11模型进行姿态估计，并通过多视角三角化提升3D姿态估计的鲁棒性。

· 眼动追踪：使用Pupil Labs眼动仪记录护理者的视觉注意力分布，结合头部姿态数据进行视线方向估计与平滑处理。

· 任务与动作标注：通过GoPro录制视频与护理者的语音描述，由职业治疗师对任务进行分段标注，形成结构化的任务分解与执行流程。

所有传感器数据通过时间服务器进行同步，以RGB-D视频的15 Hz时间轴为基准，对各模态数据进行对齐，形成统一的多模态数据流。

数据集特性与分析

OpenRoboCare共包含315次护理示范，总时长19.8小时，涵盖21名职业治疗师执行的15项任务，生成31,185个多模态样本。数据集不仅规模庞大，还蕴含丰富的护理专业知识与行为模式。

5.1 护理者人口统计与指导原则

所有参与者均为女性，年龄跨度为22至75岁，其中包含具有40年临床经验的资深治疗师。通过对示范行为的观察与分析，研究团队提炼出三条核心护理原则：

· 预定位（P1）：在执行任务前调整护理对象的姿势与支撑条件，以确保安全与稳定性。

· 预判（P2）：提前规划身体与肢体的运动轨迹，以优化控制与后续动作衔接。

· 效率（P3）：在保证安全的前提下尽可能缩短任务时间，减少护理对象的不适与生理压力。

5.2 典型护理技术示例

这些原则在实际操作中体现为多种具体技术。例如：

· 桥式策略：在如厕任务中通过弯曲膝盖并施加压力以抬升骨盆，便于放置便盆。

· 分段翻身：在洗浴与如厕中逐步转动护理对象身体，以控制运动速度与方向。

· 轮椅后倾：在转移任务中将轮椅向后倾斜45度，以优化体位并减少后续调整。

· 关键控制点稳定：通过控制骨盆、肩部与头部等关键点，实现对身体运动的有效引导。

5.3 任务执行与物理交互分析

数据集还揭示了任务执行的时间分布、策略选择与力作用模式。例如：

· 任务时长：床椅转移任务最为耗时，平均可达9分钟，反映了其长时程与多设备协调的复杂性。

· 策略偏好：在穿衣任务中，超过90%的治疗师偏好“先穿袖子”策略，而在脱衣中则更常采用“先脱头部”的方式。

· 接触与力分析：不同任务在身体各区域的接触频率与力大小存在显著差异。洗浴任务接触最频繁，而转移任务所需力最大，峰值力可达20–30 N。力分布函数Fbody(t) 在任务过程中呈现动态变化，如在翻身时全身各区域力同时上升，而在局部清洁时力集中于特定区域。

5.4 机器人护理设计指南

基于对护理者行为的分析，研究团队提出了一系列机器人设计建议：

· 视觉注意力建模：护理者的视线转移速度（约2.02秒的前瞻时间）可为机器人任务规划提供时序参考。

· 触觉力控制：机器人需具备从轻柔接触（0.1–2 N）到高力交互（>20 N）的广泛力控能力，并应在整条臂部集成分布式传感与柔顺机制。

· 工作空间定义：护理者的操作范围可为机器人硬件设计提供空间约束。

评估与开放挑战

为验证数据集的实用性与挑战性，研究团队对当前最先进的感知与规划方法进行了评估。

6.1 感知：人体姿态估计

在2D姿态估计任务中，使用mAP₅₀–₉₅作为评价指标。预训练的YOLOv11模型在护理任务中表现不佳，但在使用OpenRoboCare中少量标注数据微调后，其在遮挡严重的任务（如穿衣与转移）中的性能显著提升。例如，在5名治疗师数据上微调后，mAP从0.02左右提升至0.66–0.82之间，显示出数据集中护理场景特有的姿态模式对模型泛化的重要性。

在3D姿态估计中，使用MPJPE（平均每关节位置误差）作为指标。现有方法如RTMW、MixSTE等在护理数据上的误差均在120–160 mm之间，表明其在多人体交互、遮挡与特殊姿态下的估计仍存在较大挑战。

6.2 规划：长时程任务识别

使用VidChapters-7M模型对21个视频进行任务识别测试。结果显示，现有模型在护理术语理解与长时程任务分解方面存在明显不足。例如，模型将“放置Hoyer吊带”误识别为“放置foyer”，反映出其对护理领域知识的缺乏。此外，任务计划的多样性与长时程特性也增加了识别与分解的难度。

讨论与未来工作

OpenRoboCare作为首个多任务、多模态、专家驱动的机器人护理数据集，为相关研究提供了重要基础。尽管数据集已具备相当规模与多样性，未来仍可进一步扩展，例如引入部分感知数据、增加部分能动护理对象的交互场景，以更好地模拟现实中的协作式护理。此外，如何将数据集中的专家策略转化为可学习的机器人策略，仍是一个开放的研究方向。

结论

OpenRoboCare通过系统化的数据收集、多模态融合与专业分析，为机器人护理研究提供了宝贵的资源。其丰富的任务设置、专业的护理示范与多模态数据结构，不仅推动了护理机器人感知与规划技术的发展，也为理解人类护理行为提供了新的视角。该数据集的发布将有助于加速学习型护理机器人的开发，为实现安全、适应性与个性化的辅助护理系统奠定基础。