Nuovo Metodo Consente agli Esseri Umani di Aiutare i Robot a “Vedere” il loro Ambiente

Un team di ingegneri dell’Università di Rice ha sviluppato un nuovo metodo che consente agli esseri umani di aiutare i robot a “vedere” il loro ambiente e completare vari compiti.

La nuova strategia si chiama Bayesian Learning IN the Dark (BLIND), che è una soluzione innovativa al problema della pianificazione del movimento per i robot che operano in ambienti dove ci sono sometimes punti ciechi.

Lo studio è stato condotto da scienziati informatici Lydi Kavraki e Vaibhav Unhelkar e co-condotto da Carlos Quintero-Peña e Constantinos Chamzas della Scuola di Ingegneria George R. Brown di Rice. È stato presentato alla Conferenza internazionale sull’automazione e la robotica dell’Istituto degli ingegneri elettrici e elettronici.

Essere Umano nel Ciclo

Secondo lo studio, l’algoritmo mantiene un essere umano nel ciclo per “aumentare la percezione del robot e, soprattutto, prevenire l’esecuzione di movimenti pericolosi”.

Il team ha combinato l’apprendimento inverso di rinforzo bayesiano con tecniche di pianificazione del movimento stabilite per assistere i robot con molte parti mobili.

Per testare BLIND, un robot con un braccio articolato con sette articolazioni è stato incaricato di afferrare un piccolo cilindro da un tavolo prima di spostarlo in un altro. Tuttavia, il robot doveva prima superare una barriera.

“Se hai più articolazioni, le istruzioni al robot sono complicate”, ha detto Quintero-Peña. “Se stai dirigendo un essere umano, puoi solo dire: ‘Alza la mano'”.

Tuttavia, un robot richiede programmi che siano specifici sul movimento di ogni articolazione in ogni punto della sua traiettoria, e ciò diventa ancora più importante quando ci sono ostacoli che bloccano la sua “vista”.

Imparare a “Vedere” intorno agli Ostacoli

BLIND non programma una traiettoria in anticipo. Invece, inserisce un essere umano a metà processo per raffinare le opzioni coreografate suggerite dall’algoritmo del robot.

“BLIND ci consente di prendere le informazioni nella testa dell’essere umano e calcolare le nostre traiettorie in questo spazio ad alta libertà”, ha detto Quintero-Peña. “Utilizziamo un metodo specifico di feedback chiamato critica, fondamentalmente una forma binaria di feedback in cui all’essere umano vengono assegnati etichette su pezzi della traiettoria”.

Le etichette appaiono come punti verdi connessi, che rappresentano percorsi possibili. Mentre BLIND passa da un punto all’altro, l’essere umano approva o rifiuta ogni movimento, raffinando il percorso e evitando ostacoli.

“È un’interfaccia facile da usare per le persone, perché possiamo dire: ‘Mi piace’ o ‘Non mi piace’, e il robot utilizza queste informazioni per pianificare”, ha detto Chamzas. Il robot può eseguire il suo compito dopo essere stato ricompensato per i suoi movimenti.

“Una delle cose più importanti qui è che le preferenze umane sono difficili da descrivere con una formula matematica”, ha detto Quintero-Peña. “Il nostro lavoro semplifica le relazioni uomo-robot incorporando le preferenze umane. È così che credo che le applicazioni trarranno il massimo beneficio da questo lavoro”.

Kavraki ha lavorato con programmazioni avanzate per il robot umanoide Robonaut della NASA a bordo della Stazione Spaziale Internazionale.

“Questo lavoro esemplifica meravigliosamente come un piccolo, ma mirato, intervento umano possa notevolmente aumentare le capacità dei robot di eseguire compiti complessi in ambienti dove alcune parti sono completamente sconosciute al robot ma conosciute dall’essere umano”, ha detto Kavraki.

“Mostra come i metodi per l’interazione uomo-robot, l’argomento di ricerca del mio collega Professor Unhelkar, e la pianificazione automatizzata sviluppata per anni nel mio laboratorio possono fondersi per offrire soluzioni affidabili che rispettano anche le preferenze umane”.