AI-modeller och plattformar

Forskare ser ett interaktivt cyber-fysiskt människolikt (iCPH) plattform

mm
Lägg till Unite.AI bland dina föredragna källor på Google

Professor Eiichi Yoshida från Tokyo University of Science har lagt fram en intressant idé om ett interaktivt cyber-fysiskt människolikt (iCPH).

Människor kan naturligt utföra olika komplexa uppgifter, såsom att sitta ner och plocka upp föremål. Men dessa aktiviteter innefattar olika rörelser och kräver flera kontakter, vilket kan visa sig svårt för robotar. iCPH kunde hjälpa till att lösa detta problem.

Att förstå och generera människolika system

Den nya plattformen kan hjälpa till att förstå och generera människolika system som använder en mängd olika kontaktrika helkropps-rörelser.

Arbetet publicerades i Frontiers in Robotics and AI.

“Som namnet antyder, kombinerar iCPH fysiska och cyber-niska element för att fånga människors rörelser,” säger Prof. Yoshida. “Medan en humanoid robot fungerar som en fysisk tvilling till en människa, existerar en digital tvilling som en simulerad människa eller robot i cyberrymden. Den senare modelleras genom tekniker som muskuloskeletala och robotiska analyser. De två tvillingarna kompletterar varandra.”

Prof. Yoshida besvarar flera frågor med ramen för iCPH, såsom:

  • Hur kan humanoider härma mänsklig föreställning?
  • Hur kan robotar lära sig och simulera mänskligt beteende?
  • Hur kan robotar interagera med människor smidigt och naturligt?

iCPH-ramen

Den första delen av iCPH-ramen mäter mänsklig rörelse genom att kvantifiera rörelsen av olika kroppsdelar. Den registrerar också sekvensen av kontakter som görs av en människa.

Ramen möjliggör en generisk beskrivning av olika rörelser genom differentialekvationer, samt generering av en kontaktnätsverk. En humanoid kan sedan agera på detta nätverk.

När det gäller den digitala tvillingen, lär den sig nätverket genom modellbaserade och maskinlärningsmetoder. Dessa två är kopplade till varandra genom den analytiska gradientberäkningsmetoden, och kontinuerligt lärande hjälper till att lära robot-simuleringen hur man utför kontaktföljden.

Den tredje delen av iCPH berikar kontaktnätsverket genom dataförstärkning innan vektorkvantifieringstekniken tillämpas. Denna teknik hjälper till att extrahera symbolerna som uttrycker språket för kontaktrörelse, vilket möjliggör generering av kontaktrörelse i oprövade situationer.

Allt detta innebär att robotar kan utforska okända miljöer samtidigt som de interagerar med människor genom att använda smidiga rörelser och många kontakter.

Prof. Yoshida presenterar tre utmaningar för iCPH som hänför sig till de allmänna beskrivningarna, kontinuerliga lärandet och symboliseringen av kontaktrörelse. För att iCPH ska bli verklighet, måste den lära sig att navigera dem*.*

“Data från iCPH kommer att göras offentliga och distribueras till verkliga problem för att lösa sociala och industriella problem. Humanoida robotar kan frigöra människor från många uppgifter som innefattar allvarliga bördor och förbättra deras säkerhet, såsom att lyfta tunga föremål och arbeta i farliga miljöer,” säger Prof. Yoshida. “iCPH kan också användas för att övervaka uppgifter som utförs av människor och hjälpa till att förebygga arbetsrelaterade åkommor. Slutligen kan humanoider fjärrstyra av människor genom sina digitala tvillingar, vilket kommer att tillåta humanoiderna att genomföra stora utrustningsinstallationer och föremåls transporter.”

Alex McFarland är en AI-journalist och författare som utforskar de senaste utvecklingarna inom artificiell intelligens. Han har samarbetat med många AI-startups och publikationer över hela världen.