1. 我是CIO首页
  2. 资讯
  3. 人工智能

Conduct-A-Bot系统使用肌肉信号来实现更自然的人机交互

Conduct-A-Bot系统使用肌肉信号来提示无人机的运动,从而实现更自然的人机交互
主要作者约瑟夫·德尔普雷托(Joseph DelPreto)的手臂肌肉控制着“ Conduct-A-Bot”无人机。
图片来源:麻省理工学院

爱因斯坦(Albert Einstein)著名地假设“唯一真正有价值的东西是直觉”,可以说是理解意图和交流的最重要的关键之一。

但是直观性很难教,尤其是对于机器而言。展望改善这一点,从麻省理工学院计算机科学和人工智能实验室(CSAIL)团队想出了一个方法“人&机器人协作”。该系统称为“ Conduct-A-Bot”,它使用来自可穿戴传感器的人体肌肉信号来引导机器人的运动。

麻省理工学院斯蒂芬研究中心副主任CSAIL主任丹妮拉·罗斯(Daniela Rus)教授说:“我们设想的世界中,机器将帮助人们进行认知和体力工作,而机器将适应人们的需求,而不是反过来。”

为了实现人机之间的无缝协作,肌电图和运动传感器戴在二头肌,三头肌和前臂上,以测量肌肉信号和运动。然后,算法将处理信号以实时检测手势,而无需任何离线校准或每个用户的训练数据。该系统仅使用两个或三个可穿戴传感器,而在环境中则没有任何传感器,从而大大减少了休闲用户与机器人交互的障碍。

虽然Conduct-A-Bot可能会用于各种场景,包括在电子设备上导航菜单或监督自动机器人,但尽管可以使用任何商用无人机,该团队还是使用Parrot Bebop 2无人机进行了这项研究。

通过检测旋转手势,握紧拳头,张紧的手臂和激活的前臂等动作,Conduct-A-Bot可以左右,左右,向前和向前移动无人机,并使其旋转和停止。

Conduct-A-Bot系统使用肌肉信号来提示无人机的运动,从而实现更自然的人机交互
Conduct-A-Bot系统使用户可以在障碍物航线环境中飞行无人机。图片来源:麻省理工学院

在测试中,当无人机被遥控飞过铁环时,它可以正确响应1500多个手势中的82%。当不控制无人机时,系统还可以正确识别大约94%的提示手势。

新论文的主要作者约瑟夫·德尔普雷托(Joseph DelPreto)说:“了解我们的手势可以帮助机器人解释我们在日常生活中自然使用的更多非语言暗示。这种类型的系统可以使与机器人的交互与与他人的交互更相似,并且使某人更容易在没有事先经验或没有外部传感器的情况下开始使用机器人。”

这种类型的系统最终可能针对人机协作的一系列应用程序,包括远程探索,辅助个人机器人或制造任务(例如运送物体或举升物料)。

这些智能工具还与社会隔离保持一致,并有可能开辟未来非接触式工作的领域。例如,您可以想象人类在控制机器以安全地打扫病房或丢下药物,同时让我们与人类保持安全距离。

肌肉信号通常可以提供有关从视觉上很难观察到的状态的信息,例如关节僵硬或疲劳。

例如,如果您观看某人拿着一个大盒子的视频,则可能难以猜测需要多少力气或力量,而一台机器也很难从视觉上进行衡量。使用肌肉传感器不仅可以估计运动,而且可以估计执行该物理轨迹所需的力和扭矩。

对于当前用于控制机器人的手势词汇,检测到的动作如下:

  • 上臂僵硬时,以使机器人停止运动(类似于在看到问题时短暂屈服):通过二头肌和三头肌肌肉信号可以实现;
  • 向左/向右和向上/向下挥动手以横向或垂直移动机器人:前臂肌肉信号(前臂加速度计指示手的方向);
  • 握紧拳头使机器人向前移动:前臂肌肉信号;
  • 顺时针/逆时针旋转以旋转机器人:前臂陀螺仪。

机器学习分类器使用可穿戴式传感器检测手势。无监督分类器处理肌肉和运动数据并实时将其聚类,以学习如何将手势与其他运动区分开。甲神经网络还预测从前臂肌肉信号腕部弯曲或伸展。

该系统实质上是在每个人做出控制机器人的手势时根据每个人的信号进行自我校准,从而使休闲用户开始与机器人交互变得更快,更容易。

将来,该小组希望将测试扩展到更多学科。而且,尽管“行为-自动”动作涵盖了机器人动作的常见手势,但研究人员希望扩展词汇表,使其包含更多连续或用户定义的手势。最终,希望使机器人从这些交互中学习,以更好地理解任务,并提供更多的预测帮助或增加其自主性。

DelPreto说:“该系统使我们与机器人无缝地协作进一步迈进了一步,因此它们可以成为用于日常任务的更有效和智能的工具。” “随着这种合作不断变得越来越容易获得和普及,产生协同效益的可能性不断加深。”

本文为作者 胡慧 独立观点,并不代表 我是CIO 立场。

发表评论

登录后才能评论