Uusi menetelmä mahdollistaa ihmisille auttaa roboteja “näkemään” ympäristönsä

Rice-yliopiston insinööritiimin on kehittänyt uuden menetelmän, joka mahdollistaa ihmisille auttaa roboteja “näkemään” ympäristönsä ja suorittaa erilaisia tehtäviä.

Uusi strategia on nimeltään Bayesian Learning IN the Dark (BLIND), joka on uudenlainen ratkaisu ongelmaan liittyen robottien liikkeen suunnitteluun ympäristöissä, joissa on joskus sokeita pisteitä.

Tutkimus julkaistiin ja sen johtajina toimivat tietokoneiden tutkijat Lydi Kavraki ja Vaibhav Unhelkar, ja sen johtajina toimivat myös Carlos Quintero-Peña ja Constantinos Chamzas Rice-yliopiston George R. Brownin insinööritieteellisestä tiedekunnasta. Se esiteltiin Institute of Electrical and Electronics Engineersin kansainvälisellä robotti- ja automaatiokonferenssissa.

Ihminen silmukassa

Tutkimuksen mukaan algoritmi pitää ihmisen silmukassa “robottien havaintojen täydentämiseksi ja tärkeämpänä estämään epäturvallisten liikkeiden suorittamisen.”

Tutkijat yhdistivät Bayesilaista käänteistä vahvistusoppimista vakiintuneisiin liikkeen suunnittelumenetelmiin auttamaan roboteilla, joilla on paljon liikkuva osia.

BLINDin testaamiseksi robotti, jolla on nivelletty käsivarsi seitsemällä nivellä, tehtäväksi annettiin ottaa pieni sylinteri pöydältä ja siirtää se toiselle pöydälle, mutta ennen sitä se joutui liikkumaan esteen ohi.

“Jos sinulla on enemmän niveliä, ohjeet robotille ovat monimutkaisempia”, Quintero-Peña sanoi. “Jos ohjaat ihmistä, voit vain sanoa ‘Nosta käsi ylös’.”

Robotti kuitenkin vaatii ohjelmia, jotka ovat tarkkoja liikkeen suunnittelun suhteen jokaisessa nivessä jokaisessa vaiheessa sen polulla, ja tämä tulee entistä tärkeämmäksi, kun esteet estävät sen “näkemisen”.

Opettelemaan “näkemään” esteiden yli

BLIND ei ohjelmoi reittiä etukäteen. Sen sijaan se lisää ihmisen prosessin keskivaiheille jalostamaan koreografiat, jotka robotin algoritmi ehdottaa.

“BLIND antaa meille mahdollisuuden käyttää tietoa, joka on ihmisen päässä, ja laskea polkuja tässä korkean vapausasteen tilassa”, Quintero-Peña sanoi. “Käytämme tietynlaista palautetta, jota kutsutaan kritiikiksi, joka on binäärimuotoinen palautteen muoto, jossa ihminen saa merkinnät polun osille”.

Merkinnät näkyvät yhdistetyissä vihreissä pisteissä, jotka edustavat mahdollisia polkuja. BLINDin edetessä pisteestä toiseen ihminen hyväksyy tai hylkää jokaisen liikkeen, jalostaen polkua ja välttäen esteitä.

“Se on helppo käyttöliittymä ihmisille, koska voimme sanoa ‘Minä pidän tästä’ tai ‘En pidä tästä’, ja robotti käyttää tätä tietoa suunnitellakseen”, Chamzas sanoi. Robotti voi suorittaa tehtävän, kun se on saanut palkinnon liikkeistään.

“Yksi tärkeimmistä asioista tässä on, että ihmisten preferenssit ovat vaikeita kuvailla matemaattisella kaavalla”, Quintero-Peña sanoi. “Tämä työ yksinkertaistaa ihmisten ja robotien välisiä suhteita sisällyttämällä ihmisten preferenssejä. Tämä on tapa, jolla sovellukset saavat eniten hyötyä tästä työstä.”

Kavraki on työskennellyt edistyneen ohjelmoinnin parissa NASAn humanoidirobotti Robonautin kanssa Kansainvälisellä avaruusasemalla.

“Tämä työ esittää erinomaisesti, miten pieni, mutta kohdennettu, ihmisen väliintulo voi parantaa merkittävästi robotien kykyä suorittaa monimutkaisia tehtäviä ympäristöissä, joissa jotkut osat ovat täysin tuntemattomia robotille, mutta tunnettuja ihmiselle”, Kavraki sanoi.

“Se osoittaa, miten menetelmät ihmisen ja robotin vuorovaikutukselle, joka on tutkimuksen aiheena kollegani professori Unhelkarin, ja automaattisen suunnittelun, jota on kehitetty vuosien ajan laboratoriossani, voivat yhdistyä toimittamaan luotettavia ratkaisuja, jotka myös kunnioittavat ihmisten preferenssejä.”