Forscher entwirft interaktive cyber-physische Mensch (iCPH)-Plattform

Professor Eiichi Yoshida von der Tokyo University of Science hat eine faszinierende Idee einer interaktiven cyber-physischen Mensch (iCPH) vorgestellt.

Menschen können natürlicherweise verschiedene komplexe Aufgaben ausführen, wie zum Beispiel das Hinsetzen und Aufheben von Gegenständen. Diese Aktivitäten beinhalten jedoch verschiedene Bewegungen und erfordern mehrere Kontakte, was für Roboter schwierig sein kann. Die iCPH könnte helfen, dieses Problem zu lösen.

Verständnis und Erzeugung von menschenähnlichen Systemen

Die neue Plattform kann helfen, menschenähnliche Systeme zu verstehen und zu erzeugen, die eine Vielzahl von kontaktreichen Bewegungen des gesamten Körpers verwenden.

Die Arbeit wurde in Frontiers in Robotics and AI veröffentlicht.

“Wie der Name schon sagt, kombiniert iCPH physische und cybernetische Elemente, um menschliche Bewegungen zu erfassen”, sagt Prof. Yoshida. “Während ein humanoider Roboter als physischer Zwilling eines Menschen dient, existiert ein digitaler Zwilling als simulierter Mensch oder Roboter im Cyberspace. Letzterer wird durch Techniken wie muskuloskelettale und robotische Analyse modelliert. Die beiden Zwillinge ergänzen sich gegenseitig.”

Prof. Yoshida beantwortet mit dem Rahmenwerk mehrere Fragen, wie zum Beispiel:

• Wie können Humanoiden menschliche Bewegungen nachahmen?
• Wie können Roboter menschliches Verhalten lernen und simulieren?
• Wie können Roboter mit Menschen reibungslos und natürlich interagieren?

Das iCPH-Rahmenwerk

Der erste Teil des iCPH-Rahmenwerks misst menschliche Bewegungen, indem er die Bewegung verschiedener Körperteile quantifiziert. Es zeichnet auch die Sequenz der Kontakte auf, die von einem Menschen gemacht werden.

Das Rahmenwerk ermöglicht die generische Beschreibung verschiedener Bewegungen durch Differentialgleichungen sowie die Erzeugung eines Kontaktbewegungsnetzwerks. Ein Humanoid kann dann auf diesem Netzwerk handeln.

Wenn es um den digitalen Zwilling geht, lernt er das Netzwerk durch modellbasierte und maschinelle Lernansätze. Diese beiden sind durch die analytische Gradientenberechnungsmethode verbunden, und kontinuierliches Lernen hilft dem Roboter-Simulator, die Kontaktsequenz auszuführen.

Der dritte Teil des iCPH bereichert das Kontaktbewegungsnetzwerk durch Datenvergrößerung, bevor die Vektorquantisierungstechnik angewendet wird. Diese Technik hilft, die Symbole zu extrahieren, die die Sprache der Kontaktbewegung ausdrücken, und ermöglicht die Erzeugung von Kontaktbewegungen in unerfahrenen Situationen.

All dies bedeutet, dass Roboter unbekannte Umgebungen erkunden können, während sie mit Menschen interagieren, indem sie sanfte Bewegungen und viele Kontakte verwenden.

Prof. Yoshida stellt drei Herausforderungen für die iCPH, die sich auf die allgemeinen Deskriptoren, das kontinuierliche Lernen und die Symbolisierung der Kontaktbewegung beziehen. Um die iCPH zu realisieren, muss sie lernen, diese zu meistern.*

“Die Daten von iCPH werden öffentlich gemacht und auf reale Probleme angewendet, um soziale und industrielle Probleme zu lösen. Humanoid-Roboter können Menschen von vielen Aufgaben befreien, die schwere Belastungen mit sich bringen, und ihre Sicherheit verbessern, wie zum Beispiel das Heben von schweren Gegenständen und das Arbeiten in gefährlichen Umgebungen”, sagt Prof. Yoshida. “iCPH kann auch verwendet werden, um Aufgaben zu überwachen, die von Menschen ausgeführt werden, und helfen, berufsbedingte Erkrankungen zu verhindern. Schließlich können Humanoiden durch ihre digitalen Zwillinge von Menschen ferngesteuert werden, was es ihnen ermöglicht, große Geräte zu installieren und Gegenstände zu transportieren.”