Uppgiften för denna Fetch-robot av Rice Universitys datavetare underlättas av deras BLIND-programvara, som möjliggör mänskligt ingripande när robotens väg blockeras av ett hinder. Att hålla en människa i slingan ökar robotuppfattningen och förhindrar utförandet av osäkra rörelser, enligt forskarna. Kredit: Kavraki Lab
Precis som vi kan robotar inte se genom väggar. Ibland behöver de lite hjälp för att ta sig dit de ska.
Ingenjörer vid Rice University har utvecklat en metod som gör att människor kan hjälpa robotar att “se” sina miljöer och utföra uppgifter.
Strategin som kallas Bayesian Learning IN the Dark – BLIND, för kort – är en ny lösning på det långvariga problemet med rörelseplanering för robotar som arbetar i miljöer där inte allt är klart synligt hela tiden.
Studien ledd av datavetarna Lydia Kavraki och Vaibhav Unhelkar och medförfattarna Carlos Quintero-Peña och Constantinos Chamzas från Rices George R. Brown School of Engineering presenterades vid Institute of Electrical and Electronics Engineers International Conference on Robotics and Automation i slutet av maj.
Algoritmen utvecklad främst av Quintero-Peña och Chamzas, bĂĄda doktorander som arbetar med Kavraki, hĂĄller en människa i slingan för att “förstärka robotuppfattningen och, viktigare, förhindra exekvering av osäkra rörelser”, enligt studien.
För att göra det kombinerade de Bayesiansk inversförstärkningsinlärning (genom vilken ett system lär sig av kontinuerligt uppdaterad information och erfarenhet) med etablerade rörelseplaneringstekniker för att hjälpa robotar som har “höga frihetsgrader” – det vill säga mĂĄnga rörliga delar.
För att testa BLIND instruerade Rice-labbet en Fetch-robot, en ledad arm med sju leder, att ta tag i en liten cylinder från ett bord och flytta den till ett annat, men då var den tvungen att gå förbi en barriär.
“Om du har fler leder är instruktionerna till roboten komplicerade,” sa Quintero-Peña. “Om du dirigerar en människa kan du bara säga “Läft upp handen.”
Men en robots programmerare mĂĄste vara specifika om varje leds rörelse vid varje punkt i dess bana, särskilt när hinder blockerar maskinens “sikt” av dess mĂĄl.
Kredit: Rice University
Istället för att programmera en bana i förväg, infogar BLIND en mänsklig mittprocess för att förfina de koreograferade alternativen – eller bästa gissningar – som föreslagits av robotens algoritm. “BLIND tillĂĄter oss att ta information i människans huvud och beräkna vĂĄra banor i detta utrymme med hög grad av frihet,” sa Quintero-Peña.
“Vi använder ett specifikt sätt för feedback som kallas kritik, i grunden en binär form av feedback där människan fĂĄr etiketter pĂĄ delar av banan,” sa han.
Dessa etiketter visas som sammankopplade gröna punkter som representerar möjliga vägar. När BLIND går från prick till prick, godkänner eller förkastar människan varje rörelse för att förfina vägen och undvika hinder så effektivt som möjligt.
“Det är ett enkelt gränssnitt för människor att använda, eftersom vi kan säga “jag gillar det här” eller “jag gillar inte det”, och roboten använder den här informationen för att planera,” sa Chamzas. När den väl belönas med en godkänd uppsättning rörelser kan roboten utföra sin uppgift, sa han.
“En av de viktigaste sakerna här är att mänskliga preferenser är svĂĄra att beskriva med en matematisk formel,” sa Quintero-Peña. “VĂĄrt arbete förenklar relationer mellan människa och robot genom att införliva mänskliga preferenser. Det är sĂĄ jag tror att applikationer kommer att fĂĄ mest nytta av det här arbetet.”
“Det här arbetet exemplifierar pĂĄ ett underbart sätt hur lite, men riktat, mänskligt ingripande avsevärt kan förbättra robotarnas förmĂĄga att utföra komplexa uppgifter i miljöer där vissa delar är helt okända för roboten men kända för människan”, säger Kavraki, en robotpionjär vars CV inkluderar avancerad programmering för NASA:s humanoid Robonaut ombord pĂĄ den internationella rymdstationen.
“Det visar hur metoder för interaktion mellan människa och robot, ämnet för forskning av min kollega professor Unhelkar och automatiserad planering som varit banbrytande i flera ĂĄr pĂĄ mitt laboratorium kan blandas för att leverera tillförlitliga lösningar som ocksĂĄ respekterar mänskliga preferenser.”
Forskare utvecklar algoritmer för att dela upp uppgifter för människor-robot-team
Mer information:
Människostyrd rörelseplanering i delvis observerbara miljöer tillhandahålls av Rice University
Citat:Humans in the loop hjälper robotar att hitta sin väg (2022, 15 juni)hämtad 15 juni 2022 från https://techxplore.com/news/2022-06-humans-loop-robots.html
Detta dokument är föremål för upphovsrätt. Bortsett från all rättvis handel i syfte att privata studier eller forskning, får ingen del reproduceras utan skriftligt tillstånd. Innehållet tillhandahålls endast i informationssyfte.
Håll kontakten med oss ​​på sociala medieplattformar för omedelbar uppdatering klicka här för att gå med i vår Twitter och Facebook
