在机器人的帮助下穿衣

在机器人的帮助下穿衣
图片来源:麻省理工学院

旧石器时代的基本安全需求在很大程度上随着工业和认知革命的开始而演变。我们与原材料的互动较少,与机器的互动较多。

机器人没有相同的硬连线行为意识和控制,因此与人类的安全协作需要有条不紊的规划和协调。你可能会假设你的朋友可以在不洒到你身上的情况下装满你早上的咖啡杯,但对于机器人来说,这个看似简单的任务需要仔细观察和理解人类的行为。

麻省理工学院计算机科学与人工智能实验室 (CSAIL) 的科学家最近创建了一种新算法,以帮助机器人找到有效的运动计划,以确保其人类对应物的人身安全。在这种情况下,机器人帮助人类穿上夹克,这可能被证明是扩大对残障人士或行动不便人士的援助的强大工具。

麻省理工学院博士说:“开发算法以防止物理伤害而又不会不必要地影响任务效率是一项重大挑战。学生沉力,一篇关于该研究的新论文的主要作者。“通过允许机器人对人类产生无害的影响,我们的方法可以找到有效的机器人轨迹,为人类提供安全保障。”

人体建模、安全性和效率

正确的人体建模(人类如何移动、反应和响应)对于在人机交互任务中实现成功的机器人运动规划是必要的。如果人体模型完美,机器人可以实现流畅的交互,但在很多情况下,没有完美的蓝图。

例如,运送到家里的人的机器人将有一个非常狭窄的“默认”模型,用于说明人类在辅助穿衣任务期间如何与其互动。它不会解释人类反应的巨大可变性,这取决于个性和习惯等无数变量。尖叫的蹒跚学步的孩子穿上外套或衬衫的反应与体弱的老人或可能会迅速疲劳或灵活性下降的残疾人不同。

如果该机器人的任务是穿衣,并且仅根据该默认模型计划轨迹,则机器人可能会笨拙地撞到人类,从而导致不舒服的体验甚至可能受伤。但是,如果它在确保安全方面过于保守,它可能会悲观地认为附近的所有空间都不安全,然后无法移动,这就是所谓的“冻结机器人”问题。

为了提供人类安全的理论保证,该团队的算法对人体模型中的不确定性进行了推理。该团队没有让机器人只了解一种潜在反应的单一默认模型,而是让机器了解许多可能的模型,以更接近地模仿人类如何理解其他人。随着机器人收集更多数据,它将减少不确定性并改进这些模型。

为了解决机器人冻结问题,该团队将人类感知运动规划器的安全性重新定义为碰撞避免或碰撞时的安全影响。通常,尤其是在机器人辅助的日常生活活动任务中,无法完全避免碰撞。这允许机器人与人类进行无害的接触以取得进步,只要机器人对人类的影响很小。有了这个双管齐下的安全定义,机器人可以在更短的时间内安全地完成穿衣任务。

例如,假设人类对穿衣的反应有两种可能的模型。“模式一”是人在穿衣时向上移动,“模式二”是人在穿衣时向下移动。借助团队的算法,当机器人计划其运动时,它不会选择一种模型,而是会尽量确保两种模型的安全。无论人是向上还是向下移动,机器人找到的轨迹都是安全的。

为了更全面地描绘这些互动,未来的工作将集中在调查机器人辅助穿衣任务期间除了身体之外的主观安全感。

“这种多方面的方法结合了集合理论、人类感知安全约束、人体运动预测和安全人机交互的反馈控制,”卡内基梅隆大学机器人研究所(2021 年秋季)助理教授 Zackory Erickson 说。“这项研究有可能应用于各种辅助机器人场景,最终目标是使机器人能够为残疾人提供更安全的身体帮助。”

本文为作者 黄凯 独立观点,并不代表 我是CIO 立场。

发表评论

登录后才能评论