Credit: Yang等人几十年来，世界各地的研究人员一直在努力开发能够有效地协助人类并与他们一起工作的机器人，以处理各种日常任务。然而，为了有效地做到这一点，机器人应该能够与人类自然互动，包括传递和接收他们的物体。英伟达的研究人员最近开发了一种模型，可用于增强机器人自然传递和接收人类代理物体的能力。这种方法在一篇将于2022年ICRA奥运会上发表的论文中介绍，它基于一个名为STORM的框架，这是他们在之前的一个作品中提出的。
“在这项工作中，我们特别关注确保机器人可以从人类用户那里拿走任何物体，”进行这项研究的研究人员之一Dieter Fox告诉TechXplore。“我们想出了一个解决方案，将学习的抓取方法与我们的预测控制方法相结合，以确保这些移交是可预测的，自然的，快速的，这样人们就可以将机器人视为安全，有益的助手。”
福克斯和他在英伟达的同事们几年来一直致力于提高机器人的操纵和交互技能。然而，他们在新论文中提出的模型结构不同于他们以前工作中提出的方法。
更具体地说，他们新提出的方法最初使用一个学习模型来预测机器人从人类智能体的手里拿走物体的几种方式，然后，不是使用简单的基于规则的算法来确定这些方式中哪一种更有效，而是使用该团队之前创建的模型预测控制(MPC)框架STORM来确定最佳方式。
“我们的MPC方法被称为STORM，它通过对机器人从当前位置到物体所在位置可能做出的许多不同运动进行采样来工作，”Fox解释道。“它利用GPU计算来评估这些轨迹，使我们能够快速并行检查其中的500个轨迹。”
研究人员提出了一种使用模型预测控制(MPC)进行运动生成的人机交接系统。与现有系统相比，这导致了更具反应性和更流畅的人机切换体验。鸣谢:杨等人Fox和他的同事创建的模型每秒钟更新机器人的控制决策几次。这最终使它能够快速调整机器人的规划轨迹，并根据与其合作的用户的移动决定在哪里抓住物体。
“这项工作显示了我们如何将学习的物体抓取和人类跟踪技术与有效的运动规划相结合，以产生鲁棒、可靠和自然的机器人行为，”Fox说。“它为构建各种人机协作行为提供了基础。”
福克斯和他的同事在一系列实验中评估了他们模型的性能，在这些实验中，机器人在与四名人类用户互动的同时，传递和接收各种物体。在这些测试中，他们的方法取得了非常有希望的结果，因为几乎所有的参与者都认为，当由研究人员的MPC框架提供动力时，机器人比基于基线方法时更好地与他们合作。
在未来，NVIDIA团队推出的新模型可以用来提高现有和新开发的机器人的性能，这些机器人需要与人类智能体密切合作来操纵物体。与此同时，该团队计划开发其他工具来增强人机合作。
研究人员提出了一种使用模型预测控制(MPC)进行运动生成的人机交接系统。与现有系统相比，这导致了更具反应性和更流畅的人机切换体验。鸣谢:Yang等人。“更广泛地说，像这样将深度学习的力量与基于规划的推理相结合的方法将对许多应用有用，”Fox补充道。“在我们接下来的研究中，我们希望探索更通用的人机协作系统，使机器人能够与人类有效合作，同时探索在模拟环境中虚拟训练这些机器人系统的可能性，并将训练好的模型部署在现实世界的机器人上。”
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
