一个类似于人的计划器，允许机器人在混乱的环境中伸手可及的物体

 
在过去的几年中，尽管机器人技术领域的研究取得了长足的进步，但人类和机器人在处理物体上的方式仍然存在很大差异。实际上，到目前为止，即使是最先进的机器人也难以与普通幼儿的对象操纵技能相提并论。大多数机器人尚未掌握的对象操作的一个特定方面是在混乱的环境中伸手抓住特定的对象。
为了克服这一限制，作为EPSRC资助的项目的一部分，利兹大学的研究人员最近开发了一种类似于人的机器人计划程序，该程序将虚拟现实(VR)和机器学习(ML)技术相结合。这项新的计划程序已在arXiv上预先发表的一篇论文中介绍，并将在国际机器人与自动化大会(ICRA)上进行介绍，可以提高各种机器人在对象操纵任务中的性能。
该研究的首席研究员安东尼·G·科恩(Anthony G. Cohn)教授说：“我们的研究目标是开发更好的机器人系统;该系统可以帮助人类完成各种各样的任务，从探索危险的环境到帮助孩子学习写作。 TechXplore。 “因此，我们组成了一个由心理学家和计算机科学家组成的多学科小组，以探索我们是否可以捕获人类的行为并对人类接触物体时使用的规则进行逆向工程。”
与在混乱的环境图像上训练机器学习分类器的其他研究人员形成对比的是，Cohn和他的同事希望使用新的沉浸式技术生成训练数据。因此，在他们的研究中，他们使用VR设备收集有关人类完成操纵任务的数据。
随后，他们使用ML分类器来分析他们收集的VR数据，并提取可能构成人类决策依据的一般规则。计划者使用这些规则为机器人完成对象操纵任务的有效策略进行计划。
“从某种意义上说，我们希望机器人执行的最终计划也是’人类可读的’，因为这将是人们期望另一个人执行的计划，而当前许多机器人计划并非如此。”解释。
完成操纵任务的人员的决策似乎主要由定性表示来指导(即，不是周围环境中所有物体的确切距离和方向，而是相对距离和方向)。在他们的研究中，研究人员试图更好地理解这些决策过程，以便在ML分类器中部分复制它们。
研究人员Mohamed Hasan博士说：“我们研究了人类如何在他们所抓握的物体具有特定空间关系的情况下到达物体，并使用了由利兹大学AI研究人员开发的方法来定性描述物体的位置。”项目，解释。 “这意味着计划者可以对物体之间的定性空间关系进行分类，然后选择人类在那种情况下将要使用的动作。”
科恩及其同事提出的方法使机器人能够识别出有效的动作，以在混乱的空间中达到物体，这比他们不得不考虑所有可能的动作要快得多。为此，它会生成一个高级计划，以一系列关键航路点和移动表示。该计划被传输到标准的低级计划者，该计划者使用该计划者来计划机器人手臂的详细轨迹。
科恩说：“我们的规划师的工作方式类似于规划行程的过程，方法是选择要经过的城镇，然后才确定要走的道路和车道。” “我们发现这种方法使我们类似人类的计划者比现有计划者效率更高。”
研究人员通过一系列实验评估了计划者，并在VR场景中对其进行了测试，在该场景中，人类可以完成基于物理的机器人模拟中的操纵任务，并使用真正的机器人抓爪。这三项评估均产生了非常令人鼓舞的结果，类似人的计划者的性能优于最新的标准轨迹优化算法。
由Cohn和他的同事设计的计划程序能够产生有效的策略，使机器人能够比使用标准轨迹优化技术时更快，更有效地到达凌乱环境中的物体。除了为机器人操纵任务引入有希望的类人计划器之外，该研究还表明，VR技术可用于研究人的行为并更好地理解决策过程。
“我们的虚拟现实平台是由利兹大学内部开发的，使我们能够在短时间内记录数百个到达范围，但我们也可以在每次试验之间更改环境布局，并轻松呈现完全相同的环境环境对不同的人类参与者，”共同研究人员兼认知心理学家Mark Mon-Williams教授说。 “我们的发现支持了我们最近的建议，即虚拟现实将成为心理学研究中最普遍的工具之一。然而，我们还发现，支持人类行为选择的规则可以通过机器学习方法来捕获。”
将来，由Cohn和他的同事开发的计划程序可以帮助提高现有和新机器人的操纵技能，使机器可以更有效地选择动作，甚至可能解释其决策背后的“原因”。这项最新研究还可以鼓励其他研究人员在研究人类决策过程时使用VR数据，然后可以在机器中更好地复制这些数据。
研究的最终目标是构建智能机器人，该机器人将理解和预测人机协作场景中的人类意图。理想情况下，此类机器人也将能够以类似于人类的方式做出反应，与人类用户进行交流的方式类似于另一个人的方式。
Mon-Williams说：“目前的工作是一个概念证明，因此我们现在计划采用我们开发的方法并开发其巨大潜力。” “很明显，计算机科学和心理学的这种结合是一种非常有用的方法，有可能揭示人类的行为选择，出于多种原因，这一点很重要，其中包括了解如何治疗中风等医学疾病，以及帮助我​​们设计效率更高的机器人。我们目前正在着手进行下一系列实验和项目。”