Nová metoda umožňuje lidem pomoci robotům „vidět“ jejich prostředí

Tým inženýrů z Rice University vyvinul novou metodu, která umožňuje lidem pomoci robotům „vidět“ jejich prostředí a dokončit různé úkoly.

Nová strategie se nazývá Bayesian Learning IN the Dark (BLIND), což je nová řešení problému plánování pohybu pro roboty, které fungují v prostředích, kde jsou někdy slepá místa.

Studie byla vedena počítačovými vědci Lydi Kavraki a Vaibhavem Unhelkarem a spoluvedená Carlosem Quintero-Peñou a Constantinosem Chamzasem z Riceovy školy inženýrství George R. Browna. Byla prezentována na mezinárodní konferenci Institute of Electrical and Electronics Engineers o robotice a automatizaci.

Člověk v smyčce

Podle studie algoritmus udržuje člověka ve smyčce, aby „rozšířil vnímání robota a důležitě zabránil provedení nebezpečného pohybu“.

Tým kombinoval Bayesian inverse reinforcement learning s etablovanými technikami plánování pohybu, aby pomohl robotům s mnoha pohyblivými částmi.

Pro testování BLIND byl robot s kloubovým ramenem se sedmi klouby pověřen, aby vzal malý válec ze stolu a poté ho přesunul na jiný. Nicméně, robot musel nejdříve projet kolem bariéry.

“Pokud máte více kloubů, instrukce pro robota jsou komplikované,” řekl Quintero-Peña. “Pokud směrujete člověka, můžete prostě říct: ‘Zvedněte ruku.'”

Nicméně, robot vyžaduje programy, které jsou specifické pro pohyb každé části v jeho trajektorii, a to se stává ještě důležitějším, když jsou překážky, které blokují jeho „výhled“.

Učení „vidět“ kolem překážek

BLIND neprogramuje traektorii dopředu. Místo toho vkládá člověka uprostřed procesu, aby rafinoval choreografické možnosti navrhované algoritmem robota.

“BLIND umožňuje nám vzít informace v hlavě člověka a vypočítat naše trajektorie v tomto prostoru s vysokou mírou volnosti,” řekl Quintero-Peña. “Používáme specifický způsob zpětné vazby nazvaný kritika,基本ně binární formu zpětné vazby, kde je člověku dán štítek na částech trajektorie.”

Štítky se objevují jako spojené zelené tečky, představující možné cesty. Jak BLIND prochází z tečky na tečku, člověk schvaluje nebo odmítá každý pohyb, rafinuje cestu a vyhýbá se překážkám.

“Je to snadné rozhraní pro lidi, protože můžeme říct: ‘Mám rád tohle’ nebo ‘Nemám rád tohle,’ a robot používá tyto informace pro plánování,” řekl Chamzas. Robot může vykonat svou úlohu po odměně za jeho pohyby.

“Jedna z nejvýznamnějších věcí zde je, že lidské preference jsou těžké popsat matematickým vzorcem,” řekl Quintero-Peña. “Naše práce zjednodušuje vztahy mezi lidmi a roboty tím, že zahrnuje lidské preference. To je způsob, jakým si myslím, že aplikace budou mít největší prospěch z této práce.”

Kavraki pracoval s pokročilým programováním pro NASAův humanoidní Robonaut na Mezinárodní vesmírné stanici.

“Tato práce krásně demonstruje, jak malá, ale cílená, lidská intervence může významně zvýšit schopnosti robotů vykonávat komplexní úkoly v prostředích, kde jsou některé části úplně neznámé robotovi, ale známé člověku,” řekl Kavraki.

“Ukazuje, jak metody pro interakci mezi lidmi a roboty, téma výzkumu mého kolegy profesora Unhelkara, a automatizované plánování, které bylo rozvinuto po mnoho let v mé laboratoři, mohou být kombinovány, aby poskytly spolehlivá řešení, která také respektují lidské preference.”