Phương Pháp Mới Cho Phép Con Người Giúp Người Máy “Nhìn” Môi Trường Của Chúng

Một nhóm các kỹ sư tại Đại học Rice đã phát triển một phương pháp mới cho phép con người giúp người máy “nhìn” môi trường của chúng và hoàn thành các nhiệm vụ khác nhau.

Chiến lược mới này được gọi là Học Bayes Trong Bóng Tối (BLIND), là một giải pháp mới cho vấn đề lập kế hoạch chuyển động cho người máy hoạt động trong môi trường có điểm mù.

Nghiên cứu này được dẫn đầu bởi các nhà khoa học máy tính Lydi Kavraki và Vaibhav Unhelkar và được đồng dẫn bởi Carlos Quintero-Peña và Constantinos Chamzas của Trường Kỹ thuật George R. Brown của Rice. Nó được trình bày tại Hội nghị Quốc tế về Robotics và Tự động hóa của Viện Kỹ sư Điện và Điện tử.

Con Người Trong Vòng Lặp

Theo nghiên cứu, thuật toán giữ con người trong vòng lặp để “tăng cường nhận thức của người máy và, quan trọng nhất, ngăn chặn việc thực hiện chuyển động không an toàn.”

Đội ngũ đã kết hợp học tăng cường ngược Bayes với các kỹ thuật lập kế hoạch chuyển động đã được thiết lập để hỗ trợ người máy có nhiều bộ phận chuyển động.

Để kiểm tra BLIND, một người máy có cánh tay khớp với bảy khớp đã được giao nhiệm vụ nhặt một xi lanh nhỏ từ bàn trước khi di chuyển nó đến một vị trí khác. Tuy nhiên, người máy phải di chuyển qua một rào cản trước.

“Nếu bạn có nhiều khớp, các hướng dẫn cho người máy sẽ phức tạp,” Quintero-Peña nói. “Nếu bạn chỉ đạo một con người, bạn có thể chỉ cần nói, ‘Nâng tay lên.'”

Tuy nhiên, người máy cần các chương trình cụ thể về chuyển động của mỗi khớp tại mỗi điểm trong đường đi của nó, và điều này trở nên quan trọng hơn khi có chướng ngại vật chặn “tầm nhìn” của nó.

Học Để “Nhìn” Qua Chướng Ngại Vật

BLIND không lập kế hoạch đường đi từ trước. Thay vào đó, nó chèn con người vào giữa quá trình để tinh chỉnh các lựa chọn được sắp xếp bởi thuật toán của người máy.

“BLIND cho phép chúng tôi lấy thông tin trong đầu con người và tính toán đường đi của chúng tôi trong không gian có độ tự do cao này,” Quintero-Peña nói. “Chúng tôi sử dụng một phương pháp phản hồi cụ thể gọi là phê bình, cơ bản là một hình thức phản hồi nhị phân nơi con người được gắn nhãn trên các phần của đường đi.”

Các nhãn xuất hiện dưới dạng các chấm xanh kết nối, đại diện cho các đường đi có thể. Khi BLIND di chuyển từ chấm này sang chấm khác, con người phê duyệt hoặc từ chối mỗi chuyển động, tinh chỉnh đường đi và tránh chướng ngại vật.

“Đây là một giao diện dễ sử dụng cho mọi người, vì chúng tôi có thể nói, ‘Tôi thích điều này’ hoặc ‘Tôi không thích điều đó,’ và người máy sử dụng thông tin này để lập kế hoạch,” Chamzas nói. Người máy có thể thực hiện nhiệm vụ của mình sau khi được thưởng cho các chuyển động của nó.

“Một trong những điều quan trọng nhất ở đây là sở thích của con người khó mô tả bằng công thức toán học,” Quintero-Peña nói. “Công việc của chúng tôi đơn giản hóa mối quan hệ giữa con người và người máy bằng cách kết hợp sở thích của con người. Đó là cách tôi nghĩ ứng dụng sẽ được hưởng lợi nhiều nhất từ công việc này.”

Kavraki đã làm việc với lập trình tiên tiến cho humanoid Robonaut của NASA trên Trạm Vũ trụ Quốc tế.

“Công việc này minh họa tuyệt vời cách một sự can thiệp nhỏ nhưng nhắm mục tiêu của con người có thể tăng cường đáng kể khả năng của người máy để thực hiện các nhiệm vụ phức tạp trong môi trường mà một số phần hoàn toàn không rõ ràng đối với người máy nhưng được con người biết,” Kavraki nói.

“Nó cho thấy cách các phương pháp cho tương tác giữa con người và người máy, chủ đề nghiên cứu của đồng nghiệp tôi, Giáo sư Unhelkar, và lập kế hoạch tự động được tiên phong trong nhiều năm tại phòng thí nghiệm của tôi có thể kết hợp để cung cấp các giải pháp đáng tin cậy cũng tôn trọng sở thích của con người.”