Инженеры из Университета Райса разработали метод, который позволяет людям помогать роботам "видеть" окружающую среду и выполнять поставленные задачи.

Стратегия под названием "байесовское обучение В темноте" - сокращенно "вслепую" - представляет собой новое решение давней проблемы планирования движения роботов, работающих в условиях, когда не все всегда четко видно.

Рецензируемое исследование, проведенное учеными-компьютерщиками Лидией Кавраки и Вайбхавом Унхелкаром и соавторами Карлосом Кинтеро-Пенья и Константиносом Чамзасом из Инженерной школы Джорджа Р. Брауна Райса, было представлено на Международной конференции инженеров по робототехнике и автоматизации Института электротехники и электроники в конце мая.

Согласно исследованию, алгоритм, разработанный в первую очередь Кинтеро-Пенья и Чамзасом, аспирантами, работающими с Кавраки, держит человека в курсе событий, чтобы "улучшить восприятие робота и, что важно, предотвратить выполнение небезопасных движений".

Для этого они объединили байесовское обучение с обратным подкреплением (с помощью которого система учится на основе постоянно обновляемой информации и опыта) с установленными методами планирования движения, чтобы помочь роботам, которые имеют "высокие степени свободы", то есть множество движущихся частей.

Для тестирования вслепую лаборатория Райса направила робота-сборщика, шарнирную руку с семью суставами, чтобы он схватил небольшой цилиндр со стола и переместил его на другой, но при этом ему пришлось преодолеть барьер.

"Если у вас больше суставов, инструкции роботу усложняются", - сказал Кинтеро-Пенья. "Если вы руководите человеком, вы можете просто сказать: "Подними руку"."

Но программисты робота должны быть точны в отношении движения каждого сустава в каждой точке его траектории, особенно когда препятствия блокируют машине "обзор" ее цели.

Вместо того, чтобы заранее программировать траекторию, BLIND вводит человека в промежуточный процесс, чтобы уточнить поставленные варианты - или наилучшие предположения - предложенные алгоритмом робота. "СЛЕПОТА позволяет нам получать информацию в голове человека и вычислять наши траектории в этом пространстве с высокой степенью свободы", - сказал Кинтеро-Пенья.

"Мы используем особый способ обратной связи, называемый критикой, по сути, бинарную форму обратной связи, когда человеку присваиваются метки на участках траектории", - сказал он.

Эти метки отображаются в виде соединенных зеленых точек, которые представляют возможные пути. Когда СЛЕПОЙ переходит от точки к точке, человек одобряет или отвергает каждое движение, чтобы уточнить путь, избегая препятствий настолько эффективно, насколько это возможно.

"Это простой интерфейс для использования людьми, потому что мы можем сказать: "Мне нравится это" или "мне не нравится то", и робот использует эту информацию для планирования", - сказал Чамзас. По его словам, после того, как робот будет вознагражден одобренным набором движений, он сможет выполнять свою задачу.

"Одна из самых важных вещей здесь заключается в том, что человеческие предпочтения трудно описать математической формулой", - сказал Кинтеро-Пенья. "Наша работа упрощает отношения между человеком и роботом, учитывая человеческие предпочтения. Вот как, я думаю, приложения получат максимальную выгоду от этой работы".

"Эта работа прекрасно иллюстрирует, как небольшое, но целенаправленное вмешательство человека может значительно расширить возможности роботов для выполнения сложных задач в средах, где некоторые части полностью неизвестны роботу, но известны человеку", - сказал Кавраки, пионер робототехники, чье резюме включает расширенное программирование для гуманоидного робота-космонавта НАСА на борту. Международная космическая станция.

"Это показывает, как методы взаимодействия человека и робота, тема исследований моего коллеги профессора Унхелкара, и автоматизированное планирование, впервые применявшиеся в течение многих лет в моей лаборатории, могут сочетаться, чтобы обеспечить надежные решения, которые также учитывают предпочтения человека".

Выпускница бакалавриата Райс Жаньи Сун и Унхелкар, доцент кафедры компьютерных наук, являются соавторами статьи. Кавраки - профессор компьютерных наук имени Ноя Хардинга, профессор биоинженерии, электротехники, вычислительной техники и машиностроения, а также директор Института Кена Кеннеди.

Национальный научный фонд (2008720, 1718487) и грант программы стипендий для аспирантов NSF (1842494) поддержали исследование.

Видео: https://youtu.be/RbDDiApQhNo