一種提高機器人將物體交給人類的能力的模型

幾十年來，世界各地的研究人員一直在努力開發能夠有效協助人類并與人類一起處理各種日常任務的機器人。然而，為了有效地做到這一點，機器人應該能夠與人類自然地互動，包括遞給他們并從他們那里接收物品。

NVIDIA的研究人員最近開發了一種模型，該模型可用于增強機器人自然傳遞和接收來自人類代理的物體的能力。這種方法在ICRA2022上發表的一篇論文中介紹，它基于一個名為STORM的框架，他們在之前的一篇作品中介紹了該框架。

“在這項工作中，我們特別關注確保機器人可以從人類用戶那里拿走任何物體，”進行這項研究的研究人員之一迪特福克斯告訴TechXplore。“我們提出了一個解決方案，將學習的抓取方法與我們的預測控制方法相結合，以確保這些交接是可預測的、自然的和快速的，以便人們將機器人視為安全、有用的助手。”

Fox和他在NVIDIA的同事多年來一直致力于提高機器人的操作和交互技能。然而，他們在新論文中提出的模型結構與他們之前工作中提出的方法不同。

更具體地說，他們新提出的方法最初使用學習模型來預測機器人可以從人類代理手中獲取物體的幾種方式。然后，它不是使用簡單的基于規則的算法來確定哪種方法更有效，而是使用團隊先前創建的模型預測控制(MPC)框架STORM確定最佳方法。

“我們的MPC方法被稱為STORM，它通過對機器人從當前位置到物體所在位置可能做出的許多不同可能運動進行采樣來工作，”Fox解釋說。“它利用GPU計算來評估這些軌跡，使我們能夠快速并行檢查其中的500個。”

研究人員提出了一種人機切換系統，該系統使用模型預測控制(MPC)來生成運動。與現有系統相比，這導致了更靈活和流暢的人機切換體驗。信用：楊等人。

Fox和他的同事創建的模型每秒會更新幾次機器人的控制決策。這最終使它能夠快速調整機器人的計劃軌跡，并根據與之協作的用戶執行的動作決定在何處抓取物體。

“這項工作展示了我們如何將學習到的物體抓取和人類跟蹤技術與有效的運動規劃相結合，以產生穩健、可靠和自然的機器人行為，”Fox說。“它為構建各種人機協作行為提供了基礎。”

Fox和他的同事在一系列實驗中評估了他們模型的性能，其中機器人在與四個人類用戶交互時交出并接收各種物體。在這些測試中，他們的方法取得了非常有希望的結果，因為幾乎所有參與者都認為，在研究人員MPC框架的支持下，機器人在與他們協作方面比在基于基線方法時更好。

將來，NVIDIA團隊推出的新模型可用于提高現有和新開發的機器人在與人類代理密切協作的對象操作任務中的性能。同時，該團隊計劃開發其他工具來增強人機協作。

“更廣泛地說，像這樣將深度學習的力量與基于計劃的推理相結合的方法將對許多應用程序有用，”Fox補充道。“在我們接下來的研究中，我們希望探索更通用的人機協作系統，使機器人能夠有效地與人類合作，同時探索在模擬環境中虛擬訓練這些機器人系統并將訓練好的模型部署到真實環境中的可能性——世界機器人。”