随着我国新兴技术的迅猛发展,机器人在日常生活中的应用日益广泛。针对行动不便的残障人士和老年人,通过操作护理机器人实现简单的日常生活行为已经给很多家庭带去了便利,大大减轻了医护人员的负担。在机器人辅助完成起床-入座移乘的过程中,需要对人机交互的过程进行安全性评价,从而指导安全的移乘行为。因此,针对具有不同运动能力的使用者,本文提出了具有强泛化能力的起床-入座移乘规划方法,通过分析不同移乘行为下人体足底、腰背部和臀部压力信号的差异,建立一种基于多源信号融合的机器人移乘安全性评价模型,提升人机交互的安全性,从而为医护人员、老年人及不同行为能力者的日常工作、服务质量提供重要指导价值。本文以智能轮椅机器人辅助完成起床-入座移乘的日常行为为背景,分析了不同情况下人体下坐过程的运动特点,提出了更符合实际情况的三维人体入座模型,并利用人体入座模型和全向移动智能轮椅机器人的物理尺寸,建立了人体位置与相应坐点的映射表。通过激光传感器获得人体腿部信息并与映射表匹配,即可获得机器人的运动目标。在基于移乘点计算的起床-入座移乘方法基础上,结合强化学习方法,机器人运动到指定位置且人体入座后,首先利用人工神经网络将多源信号融合,预测移乘状态的安全性评价值,并给定强化学习所需的奖励,搭建移乘安全性评价模型。根据安全性评价结果制定了坐点自学习策略,对建立的三维人体入座模型进行坐点补偿,提出了基于强化学习的起床-入座移乘规划,最终实现安全的起床-入座移乘。为了验证本文提出的移乘方法的有效性与准确性,以本课题组自主研发的全向移动智能轮椅机器人为基础搭建实验平台,分别进行仿真分析与移乘实验。实验结果表明,通过本文提出的基于移乘点计算的起床-入座移乘方法,背部与臀部平均压力与自主行为相比分别减小了5.05%和3.95%;瞬时冲击力分别减小了4.61%和22.56%;接触面积分别增大了11.03%和2.67%。通过基于强化学习的起床-入座移乘方法,智能轮椅机器人可以针对不同使用者的特点,获得相应的安全性评价,并根据评价结果调整运动策略,实现对坐点的优化。通过移乘安全性评价系统预测的评价结果与人的主观评价高度接近,验证了本文提出的移乘安全性评价方法的准确性。引入强化学习思想对坐点优化后,人的主观安全性评价值及其预测值均对比坐点优化前有了显著提高,移乘安全性评价的实际值可提高33.33%,从而验证了本文所提出的移乘方法对安全性的提高。