人类有一种理解他人的目标、愿望和信念的方式，这是一项使我们能够预测人们行为的关键技能。从烤面包机中取出面包?你需要一个盘子。扫树叶?我去拿绿色垃圾桶。
这种技能通常被称为“心智理论”，对我们人类来说很容易掌握，但对机器人来说仍然具有挑战性。但是，如果机器人要成为制造业和日常生活中真正的协作帮手，它们就需要学习相同的能力。
在一篇 入围ACM/IEEE 人机交互 (HRI) 国际会议最佳论文奖的 新论文中，南加州大学维特比计算机科学研究人员旨在教机器人如何预测人类在装配任务中的偏好，以便他们有一天可以提供帮助从建造卫星到布置餐桌，无所不包。
“当与人合作时，机器人需要不断猜测人接下来会做什么，”主要作者 Heramb Nemlekar 说，他是南加州大学计算机科学博士生，在计算机科学助理教授 Stefanos Nikolaidis 的指导下 工作。“例如，如果机器人认为人需要螺丝刀来组装下一个零件，它可以提前拿到螺丝刀，这样人就不必等待。这样机器人就可以帮助人们更快地完成组装。”
但是，任何与合作伙伴共同打造家具的人都可以证明，预测一个人接下来会做什么是很困难的：不同的人喜欢以不同的方式打造相同的产品。有些人想从最难的部分开始学习，而另一些人则可能想从最简单的部分开始学习，以节省体力。
做出预测
Nemlekar 说，目前的大多数技术都要求人们向机器人展示他们希望如何进行组装，但这需要时间和精力，而且可能无法达到目的。“想象一下，必须组装一整架飞机才能教机器人你的喜好，”他说。
然而，在这项新研究中，研究人员发现了一个人组装不同产品的方式存在相似之处。例如，如果您在组装宜家沙发时从最难的部分开始，那么在组装婴儿床时您可能会使用相同的技巧。
因此，他们没有向机器人“展示”他们在复杂任务中的偏好，而是创建了一个人们可以轻松快速执行的小型组装任务(称为“规范”任务)。在这种情况下，将简单模型飞机的部件组合在一起，例如机翼、尾翼和螺旋桨。
机器人使用放置在装配区正上方的摄像头向下“观看”人类完成任务。为了检测由人操作的部件，系统使用了 AprilTags，类似于 QR 码，附在部件上。
然后，该系统使用机器学习根据他们在规范任务中的动作顺序来学习一个人的偏好。
Nemlekar 说：“根据一个人如何执行小型装配，机器人可以预测该人在大型装配中将做什么。” “例如，如果机器人看到一个人喜欢从最简单的零件开始小装配，它就会预测他们也会从大型装配中最简单的零件开始。”
建立信任
在研究人员的用户研究中，他们的系统能够预测人类将采取的行动，准确率约为 82%。
“我们希望我们的研究能让人们更容易地向机器人展示他们喜欢的东西，”Nemlekar 说。“通过以他们喜欢的方式帮助每个人，机器人可以减少他们的工作，节省时间，甚至与他们建立信任。”
例如，假设您正在家里组装一件家具，但您不是特别得心应手并且难以完成这项任务。经过训练可以预测您的偏好的机器人可以提前为您提供必要的工具和零件，从而使组装过程更加容易。
这项技术在工业环境中也很有用，在工业环境中，工人的任务是大规模组装产品，从而节省时间并降低受伤或事故的风险。此外，它还可以帮助残障人士或行动不便的人更轻松地组装产品并保持独立性。
快速学习偏好
研究人员说，我们的目标不是取代工厂车间的人类。相反，他们希望这项研究能够显着提高人机混合工厂装配工人的安全性和生产率。“机器人可以执行目前由工人执行的非增值或符合人体工程学的挑战性任务。
至于接下来的步骤，研究人员计划开发一种方法来自动为不同类型的装配任务设计规范任务。他们还旨在评估从短期任务中学习人类偏好并预测他们在不同环境下的复杂任务中的行为的好处，例如，在家中的个人协助。
“虽然我们观察到人类偏好会从装配制造中的规范任务转移到实际任务，但我预计在其他应用中也会有类似的发现，”Nikolaidis 说。“能够快速了解我们喜好的机器人可以帮助我们准备饭菜、重新布置家具或进行房屋维修，对我们的日常生活产生重大影响。”
标签：
免责声明：本文由用户上传，如有侵权请联系删除！