Metode Baru Memungkinkan Manusia Membantu Robot “Melihat” Lingkungannya

Tim insinyur di Universitas Rice telah mengembangkan metode baru yang memungkinkan manusia membantu robot “melihat” lingkungan mereka dan menyelesaikan berbagai tugas.

Strategi baru ini disebut Bayesian Learning IN the Dark (BLIND), yang merupakan solusi baru untuk masalah perencanaan gerakan robot yang beroperasi di lingkungan dengan blind spot.

Studi ini dipimpin oleh ilmuwan komputer Lydi Kavraki dan Vaibhav Unhelkar, dan dipimpin bersama oleh Carlos Quintero-Peña dan Constantinos Chamzas dari Sekolah Teknik George R. Brown Universitas Rice. Studi ini dipresentasikan pada Konferensi Internasional Institute of Electrical and Electronics Engineers tentang Robotika dan Otomasi.

Manusia dalam Lingkaran

Menurut studi, algoritma ini mempertahankan manusia dalam lingkaran untuk “mengembangkan persepsi robot dan, yang penting, mencegah eksekusi gerakan yang tidak aman.”

Tim ini menggabungkan pembelajaran inverse reinforcement Bayesian dengan teknik perencanaan gerakan yang mapan untuk membantu robot dengan banyak bagian yang bergerak.

Untuk menguji BLIND, robot dengan lengan yang diartikulasikan dengan tujuh sendi diberi tugas mengambil silinder kecil dari meja sebelum memindahkannya ke tempat lain. Namun, robot harus terlebih dahulu melewati penghalang.

“Jika Anda memiliki lebih banyak sendi, instruksi ke robot menjadi rumit,” kata Quintero-Peña. “Jika Anda mengarahkan manusia, Anda bisa hanya mengatakan, ‘Angkat tangan Anda.'”

Namun, robot memerlukan program yang spesifik tentang gerakan setiap sendi pada setiap titik jalur, dan ini menjadi lebih penting ketika ada penghalang yang menghalangi “pandangan” mereka.

Belajar untuk “Melihat” di Sekitar Penghalang

BLIND tidak memprogram jalur di awal. Sebaliknya, ia memasukkan manusia di tengah proses untuk memperhalus pilihan yang dikoreografikan oleh algoritma robot.

“BLIND memungkinkan kita untuk mengambil informasi di kepala manusia dan menghitung jalur kita di ruang dengan derajat kebebasan yang tinggi,” kata Quintero-Peña. “Kami menggunakan metode umpan balik khusus yang disebut kritik, yang pada dasarnya merupakan umpan balik biner di mana manusia diberi label pada potongan jalur.”

Label tersebut muncul sebagai titik hijau yang terhubung, yang mewakili jalur yang mungkin. Ketika BLIND bergerak dari titik ke titik, manusia menyetujui atau menolak setiap gerakan, memperhalus jalur dan menghindari penghalang.

“Ini adalah antarmuka yang mudah digunakan oleh orang, karena kita bisa mengatakan, ‘Saya suka ini’ atau ‘Saya tidak suka itu,’ dan robot menggunakan informasi ini untuk merencanakan,” kata Chamzas. Robot dapat menyelesaikan tugasnya setelah diberi hadiah untuk gerakannya.

“Salah satu hal yang paling penting di sini adalah bahwa preferensi manusia sulit untuk dijelaskan dengan rumus matematika,” kata Quintero-Peña. “Kerja kami menyederhanakan hubungan manusia-robot dengan menggabungkan preferensi manusia. Itulah bagaimana saya pikir aplikasi akan mendapatkan manfaat paling banyak dari kerja ini.”

Kavraki telah bekerja dengan pemrograman lanjutan untuk humanoid Robonaut NASA di Stasiun Luar Angkasa Internasional.

“Kerja ini dengan sangat baik menunjukkan bagaimana intervensi manusia yang sedikit, tetapi terarah, dapat secara signifikan meningkatkan kemampuan robot untuk menyelesaikan tugas yang kompleks di lingkungan di mana beberapa bagian benar-benar tidak diketahui oleh robot tetapi diketahui oleh manusia,” kata Kavraki.

“Ini menunjukkan bagaimana metode untuk interaksi manusia-robot, topik penelitian rekan saya Profesor Unhelkar, dan perencanaan otomatis yang dipelopori selama bertahun-tahun di laboratorium saya dapat bergabung untuk memberikan solusi yang dapat diandalkan yang juga menghormati preferensi manusia.”