所有文章 > 正文

MIT新算法解决了机器人与人类工作时的避让问题

作者: Jansfer

时间: 2019-06-15 22:02

2018年,麻省理工学院(MIT)和汽车制造商宝马(BMW)的研究人员测试人类与机器人共同组装汽车零部件的工作方式。在工厂车间的模拟环境中,该团队在轨道上安装了一个机器人在工作站之间传送零件,同时工人们也经常穿过这条路去附近的站点工作,如果有人经过,机器人被设定为暂时停止工作。但机器人经常会在一个人越过它的路径之前很早停下了,这会导致在实际生产中的效率低下。

图片来源:Jennifer Chu | MIT News Office

目前该团队想出了一个解决方案:一种实时精确地对齐部分轨迹的算法,允许运动预测器准确地预测一个人运动的时间。当他们将新算法应用到宝马工厂车间实验中时发现,当人们再次走过时,机器人简单地向前滚动并安全离开了路径,而不是完全停下。

麻省理工学院航空航天副教授Julie Shah说:“该算法内置的组件有助于机器人理解和监控运动中的停止和重叠,这是人类运动的核心部分。” 这项研究获得了美国国家航空航天局空间技术研究基金会和美国国家科学基金会的资助。Shah和她的同事也将于本月在德国举行的机器人会议上展示他们的成果。

该团队将问题归结于机器人运动预测软件使用的轨迹对其算法的局限性,虽然该算法可以合理地预测一个人的前进方向,但由于时间的不一致性,无法预测该人在他们预测的路径上的任意一点上花费的时间。为了使机器人能够预测人类的运动,研究人员通常借用音乐和语音处理的算法。这些算法的目的是对齐两个完整的时间序列或一组相关的数据,如音乐表演的音频轨道和乐谱。研究人员使用类似的校准算法来同步实时和先前记录的人类运动测量数据,以预测一个人5秒后的位置。但与音乐或语言不同,人类的运动杂乱无章,而且变化很大。即使是重复性的动作,如跨过桌子去拧入螺栓,一个人每次的动作也可能略有不同。

现有的算法通常采用流式运动数据,以点的形式表示人随时间变化的位置,并将这些点的轨迹与给定场景的公共轨迹库进行比较,算法根据点之间的相对距离绘制轨迹。但Lasota表示,仅根据距离预测轨迹的算法通常容易混淆,比如临时停止时,一个人在继续前进之前停下来,暂停时表示人员位置的点可以聚集在同一个点上。当你查看数据时,一个人停止时,你会发现有一大堆的点聚集在一起。如果你只将点之间的距离作为对齐度量,这可能会令人困惑,因为它们都很接近,而且你不知道要对齐到哪个点。同样的情况也发生在重叠的轨迹上,比如一个人沿着相似的路径来回移动。虽然一个人的当前位置可能与参考轨道上的一个点对齐,但现有的算法无法区分该位置是回去还是前进。从距离上分析是回去,但从时间上来说可能是前进。”

Lasota和Shah设计了一种“部分轨迹”算法作为解决方案,该算法将一个人的轨迹片段与以前收集的参考轨迹库实时对齐。重要的是,新的算法可以在距离和时间上对齐轨迹,这样,就能够准确地预测路径中的停止和重叠。Lasota解释说:“假设你已经完成了很多动作,之前的算法会认为这是代表运动轨迹上回去的点。但是由于你只在很短的时间内完成,算法的计时部分会认为你不太可能在回去的路径,因为你刚刚才开始了运动。”

研究小组在两个人体运动数据集上测试了该算法:一个是在工厂环境中间歇性地穿过机器人的路径(这些数据来自研究小组对宝马的实验),另一个先记录了参与者的手部动作,穿过桌子安装一个螺栓,然后机器人通过在螺栓上涂抹密封剂来固定它。

对于这两个数据集,与两种常用的部分轨迹对齐算法相比,该团队的算法能够更好地估计一个人通过轨迹的进度。此外,研究小组发现,当他们将对齐算法与运动预测器相结合时,机器人可以更准确地预测人的运动时间。

虽然该算法是在运动预测环境下进行评估的,但它也可以作为人机交互领域中其他技术的预处理步骤,如动作识别和手势检测。Shah表示,这项技术可以应用于任何人类表现出典型行为模式的环境,因为机器人系统可以观反复发生的模式,了解相关的人类行为。机器人更好地了解人类运动的各个方面,就能够更好地与我们合作。该算法将成为机器人识别和响应人类运动和行为模式的关键工具。最终,这可以帮助人类和机器人在结构化的环境中协同工作,例如工厂,甚至可应用于家庭环境。

参考:news.mit.edu

[关于转载]:本文为“AMiner”官网文章。转载本文请联系原作者获取授权,转载仅限全文转载并保留文章标题及内容,不得删改、添加内容绕开原创保护,且文章开头必须注明:转自“AMiner”官网。谢谢您的合作。

二维码 扫码微信阅读
推荐阅读 更多