Новый метод позволяет людям помогать роботам “видеть” их окружение

Команда инженеров из Университета Райса разработала новый метод, который позволяет людям помогать роботам “видеть” их окружение и выполнять различные задачи.

Новая стратегия называется Bayesian Learning IN the Dark (BLIND), которая представляет собой новое решение проблемы планирования движения для роботов, работающих в средах с частыми слепыми зонами.

Исследование было проведено компьютерными учеными Lydi Kavraki и Vaibhav Unhelkar и координировалось Carlos Quintero-Peña и Constantinos Chamzas из Школы инженерии Джорджа Р. Брауна Университета Райса. Оно было представлено на Международной конференции по робототехнике и автоматизации Института электрических и электронных инженеров.

Человек в цикле

Согласно исследованию, алгоритм сохраняет человека в цикле, чтобы “усилить восприятие робота и, что важно, предотвратить выполнение опасных движений”.

Команда объединила методы байесовского обратного обучения с установленными методами планирования движения, чтобы помочь роботам с большим количеством движущихся частей.

Чтобы протестировать BLIND, робот с сегментированной рукой из семи суставов был задействован в задаче по захвату небольшого цилиндра с таблицы и перемещению его на другую. Однако роботу сначала пришлось обойти барьер.

“Если у вас больше суставов, инструкции роботу становятся сложными”, – сказал Quintero-Peña. “Если вы направляете человека, вы можете просто сказать: «Поднимите руку»”.

Однако роботу требуются программы, которые подробно описывают движение каждого сустава на каждом этапе его траектории, и это становится еще более важным, когда есть препятствия, блокирующие его “зрение”.

Обучение “видеть” вокруг препятствий

BLIND не запрограммирован на определение траектории заранее. Вместо этого он вводит человека в середине процесса, чтобы уточнить хореографические варианты, предложенные алгоритмом робота.

“BLIND позволяет нам использовать информацию в голове человека и вычислять наши траектории в этом пространстве с высокой степенью свободы”, – сказал Quintero-Peña. “Мы используем особый вид обратной связи, называемый критикой, по сути, бинарную форму обратной связи, где человеку присваиваются метки на участках траектории”.

Метки появляются в виде соединенных зеленых точек, представляющих возможные пути. Когда BLIND проходит от точки к точке, человек одобряет или отклоняет каждое движение, уточняя путь и избегая препятствий.

“Это простой интерфейс для людей, потому что мы можем сказать: «Мне нравится» или «Мне не нравится», и робот использует эту информацию для планирования”, – сказал Chamzas. Робот может выполнить свою задачу после того, как был вознагражден за свои движения.

“Одна из наиболее важных вещей здесь заключается в том, что человеческие предпочтения трудно описать математической формулой”, – сказал Quintero-Peña. “Наша работа упрощает отношения между человеком и роботом, включая человеческие предпочтения. Вот где, по моему мнению, приложения получат наибольшую пользу от этой работы”.

Kavraki работала с передовой программой для андроида Robonaut на Международной космической станции.

“Эта работа прекрасно демонстрирует, как небольшое, но целенаправленное вмешательство человека может значительно повысить возможности роботов выполнять сложные задачи в средах, где некоторые части полностью неизвестны роботу, но известны человеку”, – сказала Kavraki.

“Это показывает, как методы взаимодействия между человеком и роботом, тема исследования моего коллеги профессора Unhelkar, и автоматическое планирование, которое было развито на протяжении многих лет в моей лаборатории, могут объединиться, чтобы обеспечить надежные решения, которые также уважают человеческие предпочтения”.