Мы, люди, очень хорошо умеем сотрудничать. Например, когда два человека работают вместе, чтобы нести тяжелый предмет, такой как стол или диван, они, как правило, инстинктивно координируют свои движения, постоянно перекалибруя, чтобы убедиться, что их руки находятся на той же высоте, что и у другого человека, наша естественная способность делать эти типы корректировок позволяет нам сотрудничать в решении больших и малых задач.
Но компьютер или робот все равно не могут с легкостью следовать за человеком. Мы обычно либо явно программируем их, используя машинную речь, либо обучаем их понимать наши слова, а-ля виртуальные помощники, такие как Siri или Alexa.
Напротив, исследователи из Лаборатории компьютерных наук и искусственного интеллекта Массачусетского технологического института (CSAIL) недавно показали, что более гладкое сотрудничество робота и человека возможно благодаря новой системе, которую они разработали, где машины помогают людям поднимать объекты, контролируя их движения мышц.
Названная RoboRaise, система включает в себя установку датчиков электромиографии (ЭМГ) на бицепсы и трицепсы пользователя для мониторинга мышечной активности. Его алгоритмы затем непрерывно обнаруживают изменения уровня руки человека, а также дискретные жесты вверх и вниз, которые пользователь может сделать для более тонкого управления двигателем.
Команда использовала систему для выполнения ряда задач, связанных с подбором и сборкой макетных компонентов самолета. В экспериментах пользователи работали над этими задачами с роботом и могли управлять им в пределах нескольких дюймов от желаемой высоты, поднимая и затем напрягая руку. Он был более точным, когда использовались жесты, и робот правильно реагировал примерно на 70 процентов всех жестов.
Аспирант Джозеф Дельпрето говорит, что он мог представить себе людей, использующих RoboRaise для помощи в производстве и строительстве, или даже в качестве помощника по дому.
“Наш подход к подъему объектов с помощью робота стремится быть интуитивным и похожим на то, как вы можете поднять что — то с другим человеком-грубо копируя движения друг друга, делая полезные корректировки”, – говорит Дельпрето, ведущий автор новой статьи о проекте с профессором MIT и директором CSAIL Даниэлой Рус. “Ключевое понимание заключается в использовании невербальных сигналов, которые кодируют Инструкции о том, как координировать, например, чтобы поднять немного выше или ниже. Использование мышечных сигналов для общения почти делает робота продолжением себя, которым вы можете плавно управлять.”
Проект основан на существующей системе команды, которая позволяет пользователям мгновенно исправлять ошибки робота с помощью мозговых волн и жестов рук, теперь позволяя непрерывное движение более совместным способом. “Мы стремимся развивать взаимодействие человека и робота, где робот адаптируется к человеку, а не наоборот. Таким образом, робот становится интеллектуальным инструментом для физической работы”, – говорит Рус.
ЭМГ-сигналы могут быть сложными для работы: они часто очень шумны, и может быть трудно точно предсказать, как конечность движется на основе мышечной активности. Даже если вы можете оценить, как человек движется, как вы хотите, чтобы сам робот ответил, Может быть неясно.
RoboRaise обходит это, поставив человека под контроль. Система команды использует неинвазивные датчики на теле, которые обнаруживают срабатывание нейронов, когда вы напрягаете или расслабляете мышцы. Использование носимых устройств также позволяет обойти проблемы окклюзий или окружающего шума, что может усложнить задачи, связанные со зрением или речью.
Затем алгоритм RoboRaise обрабатывает активность бицепсов, чтобы оценить, как движется рука человека, чтобы робот мог грубо имитировать ее, и человек может слегка напрячь или расслабить руку, чтобы переместить робота вверх или вниз. Если пользователю нужно, чтобы робот двигался дальше от их собственной позиции или некоторое время удерживал позу, они могут просто жестикулировать вверх или вниз для более тонкого управления; нейронная сеть обнаруживает эти жесты в любое время на основе активности бицепсов и трицепсов.
Новый пользователь может начать использовать систему очень быстро, с минимальной калибровкой. После надевания датчиков им просто нужно несколько раз напрячь и расслабить руку, а затем поднять легкий вес на несколько высот. Нейронная сеть, которая обнаруживает жесты, обучается только на данных от предыдущих пользователей.
Команда протестировала систему с 10 пользователями через серию из трех экспериментов по подъему: один, где робот вообще не двигался, другой, где робот двигался в ответ на их мышцы, но не помогал поднять объект, и третий, где робот и человек подняли объект вместе.
Когда у человека была обратная связь от робота — когда они могли видеть его движение или когда они поднимали что — то вместе-достигнутая высота была значительно более точной по сравнению с отсутствием обратной связи.
Команда также испытала RoboRaise на задачах агрегата, как поднимать резиновый лист на низкопробную структуру. Оно смогло успешно поднять и твердые и гибкие объекты на основания. RoboRaise был реализован на роботе Baxter humanoid команды, но команда говорит, что он может быть адаптирован для любой роботизированной платформы.
В будущем команда надеется, что добавление большего количества мышц или различных типов датчиков в систему увеличит степень свободы, с конечной целью выполнения еще более сложных задач. Сигналы, такие как напряжение или усталость от мышечной деятельности, также могут помочь роботам обеспечить более интуитивную помощь. Команда протестировала одну версию системы, которая использует уровни бицепса и трицепса, чтобы сказать роботу, насколько жестко человек держит свой конец объекта; вместе Человек и машина могут плавно перетаскивать объект вокруг или жестко натягивать его.
