所有文章 > 正文

纽约罗彻斯特理工学院:基于监测人体生理反应的人机协作新框架

作者: Jansfer

时间: 2019-08-15 20:44

纽约罗彻斯特理工学院(RIT)的协同机器人实验室(Century Mold Collaborative Robotics Laboratory, CMCRL)最近开发了一种新框架,用于监测用户在与机器合作完成任务时的生理反应。在多智能体生物机器人实验室主任Ferat Sahin教授的指导下,CMCRL研究人员正致力于开发该系统、框架以及软件工具,用于研究工业环境下的人机协作。

f11.png

图|人机协作系统概念框架图,突出强调HRC系统的3个方面:意识、智能和遵从性(图片来源:RIT)

这种新方法在arXiv上的一篇论文中有所描述,并在意大利巴里举行的IEEE系统人类与控制论会议上发表,其能在人机交互过程中持续收集生理数据,同时改变机器人的动作以改变与其交互的人的反应。

许多专家相信,在不久的将来,机器人会在工业、制造业等多个领域与人类共同工作。然而,为了实现高效的自动化和人机协作,研究人员需要开发利用人类技能的方法,如决策、灵活性和创造性,将这些技能与机器人的速度、准确性和力量相结合。

事实上,全自动化机器人价格昂贵,而人类手工制造又往往很慢,且容易出错。因此,开发增强人机协作的工具十分重要。据RIA(美国机器人工业协会)称,这将是第五次工业革命的核心部分,也被称为工业5.0。

“在我们看来,工业中的人机协作主要面临三大挑战,包括安全、人类对自动化和生产力的信任,所有这些都是相互依赖的。为了应对这些挑战,我们首先开发了一种人机协作(HRC)设置作为一个系统,其允许我们创建不同的人机协作场景,并理解和分析人机交互。”该研究的研究人员Shitij Kumar告诉TechXplore。

f22.png

图|基于所提出的框架完成的系统图,该框架表示HRC实验期间的数据采集和监控(图片来源:RIT)

作为Kumar博士学位论文的一部分,其在CMCRL主任Ferat Sahin博士的指导下,致力于开发一种基于人机分离距离和共享工作空间中的动作来改变机器人行为的系统。在这种情况下,机器人的行为在基于规则下是确定的且可预测的。

尽管这看起来比较行得通,但他却发现人的反馈并不能及时发生,这导致他的系统更难实现令人满意的机器人遵从性。机器人的遵从性本质上是指机器人可以始终与人类交互,并能进行有效的沟通。

Kumar说:“我们相信,该系统让操作员与机器人一起工作时,对机器人的行为具有控制感和预测性,这将提高操作员对这种自动化的信任,从而提高任务效率。但是,我们随后开始考虑,如何量化使用机器人的操作员的信任感和舒适度呢?”

Kumar和他的同事们认为,在涉及人机协作的任务中,监测人体生理信号(包括心理和身体压力以及其他情绪的指标),才是朝着正确方向迈出了一步。该研究发现,这些信号(被称为心理生理学反应)是改变机器人行为和运动的可靠指标,而且先前的研究也支持这一观点。

f33.png

图|原型实现过程中使用的传感器和设备。研究人员使用运动捕捉系统监测人体运动,并使用摄像机记录实验过程,还利用了瞳孔实验和其他人体生理反应,如瞳孔扩张,PPG,GSR,EEG和心电图等(图片来源:RIT)

考虑到这一点,RIT的博士生Celal Savur进行了一项研究,探讨机器人的运动和行为对人类心理生理反应的影响。其研究的主要目的是了解机器人运动中的哪些变化会导致人类的不适反应,如恐惧或压力。

Savur解释说:“为了实现这一目标,我们需要一个框架,用来同时表示和记录机器人运动和人体生理状态。一旦确定机器人运动与人体生理状态之间的关系,人体生理反应就可以作为反馈,直接控制/更新机器人的运动/行为。这种系统被称为‘生理计算系统’。”生理计算是情感计算的一个子集,经常用于电脑游戏中,实时适应玩家的反应,以实现更具互动性的游戏体验。

在这些研究中,Savur和Kumar致力于开发一个框架,当用户去完成涉及人机协作的任务时,该框架可以监控人体的心理生理反应。他们的工作介于计算机科学、机器人学和心理生理学之间。心理生理学是神经学的一个分支,旨在了解一个人的精神状态和其生理反应是如何相互作用或相互影响的。

该框架属于“生理计算”的范畴。这是一种情感计算,结合实时软件适应于用户的心理生理活动。基本上,他们提出的框架可用于研究在工业环境中改变机器人运动(如速度和轨迹)是如何影响操作员的。

Kumar解释说:“例如,有两名操作员A和B同时使用机器人,操作员A工作时间更长,能很熟练地使用机器人,因为他能根据经验预测机器人的行为。操作员B是新手,对机器人并不是很信任。根据操作员的生理状态和行为模式,当它靠近操作员时,它的移动速度会变化,且会保持一定距离。在这种情况下,为了更好的人机交互,机器人可以在操作员A附近以更高的速度移动,并与操作员B一起慢慢移动。随着操作员B获得更多的经验,能够适应机器人的运动后,就能建立信任,并积极影响整体生产力。”

CMCRL研究人员开展的这项研究主要有两个目标。第一是生成人机协作任务数据库,记录人机交互。第二,他们想要使用这个数据库来研究人体生理反应如何影响机器人的运动,从而对自动化过程产生积极影响。换句话说,就是为工业和制造环境中的人机协作构建一个生理计算系统。

Kumar 说:“我们的框架本质上是一个同时表示和记录机器人运动和人体生理状态的系统。为了记录这些信息,该框架为机器人、传感器(如摄像头、运动捕捉系统)以及生物/生物识别数据采集设备提供接口。由于所有这些设备都采用不同的采样率,因此该框架有助于同步数据采集和人机协作。”

在传统的社会机器人实验设置中,受试者会被问及他们在实验期间或之后的经历和感知。利用这些反馈,研究人员可以分析和量化实验过程中收集的主观数据。

“然而,打断受试者或让受试者回忆起经历的方法并不总是能够保持实验的完整性,或准确地代表主观数据。因此,与传统方法不同的是,该框架使得人类受试者或主要研究员能够在执行人体机器人协作(HRC)实验/任务时生成事件标记。”Kumar解释说。

这种框架可以基于虚拟世界中的人机表示自动生成事件标记,这就是总所周知的数字双胞胎。例如,它可以帮助识别机器人和人在任务期间何时彼此最接近,何时机器人必须停止或被人类动作中断,人类执行任务的进度,操作员基于命令的事件或控制的事件,机器人以最大速度工作时的事件,以及任务的开始/结束。

“我们的框架还为研究人员提供了一个用户界面,可以回放和可视化他们的HRC实验,”Kumar说。“此外,该框架允许他们对收集的数据进行分析和标记。利用各种设备持续、同步地收集生理数据,并将这些数据与机器人的控制和接口连接在一个单一的生态系统中,完整地表示人类和机器人的状态,这有助于了解人体生理状态与机器人运动之间的因果关系。”

随着可穿戴设备和物联网(IoT)的出现,人类生理数据的收集将变得更加容易收集。因此,研究开发的框架被证明是非常有价值的,因为它旨在利用这些数据来改善人机交互。

“这个框架支持通过内置事件的生成和分布式系统上的信号,同步实现连续数据记录,从而保持实验的完整性(在工业环境中重新创建任务的场景),并准确地表示主观数据,”Kumar说。

Kumar和他的同事认为,能够进行这种生理计算的智能体可以形成一个封闭的人环系统,在该系统中,HRC中的人类用户和机器人都受到监控,且彼此之间信息共享,这应该会让二者间能更好的沟通,最终促进人们对自动化的信任,同时提高生产力。在未来,研究人员计划将其研究中生成的数据库提供给其他HRI研究人员。

Kumar说:“我们的下一步的研究将集中在开发生理计算系统的完整用户界面程序,用于处理记录信号、提取信息,并应用机器学习算法向机器人提供反馈。这项工作的终极目标是生成一个数据库,用于进一步了解如何推断人体的生理反应,从而产生适应机器人的运动行为。”

(参考来源:techxplore.com)

[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