机器人Tiego准备堆叠立方体。鸣谢:Maximilian Diehl机器人能否自适应自己的工作方式来解决复杂的任务？瑞典查尔姆斯理工大学的研究人员开发了一种新形式的人工智能，通过观察人类行为，它可以适应在多变的环境中执行任务。人们希望这种灵活的机器人能够在更大程度上与人类一起工作。“在人类环境中工作的机器人需要适应这样一个事实，即人类是独一无二的，我们可能会以不同的方式解决相同的任务。因此，机器人开发的一个重要领域是教会机器人如何在动态环境中与人类一起工作，”Chalmers Technology大学电气工程系博士生兼该项目的主要研究员Maximilian Diehl说。
当人类完成一项简单的任务时，比如摆桌子，我们可能会根据不同的条件以不同的方式应对挑战。如果一把椅子意外地挡在路上，我们可以选择移动它或绕过它。我们交替使用我们的左右手，我们暂停，并执行任何数量的计划外的行动。
但是机器人的工作方式不同。他们需要精确的程序和指令来达到目标。这种方法使它们在不断遵循相同模式的环境中非常有效，例如工厂加工线。但是，为了在医疗保健或面向客户的角色等领域成功地与人互动，机器人需要开发更加灵活的工作方式。
电气工程系助理教授Karinne Ramirez-Amaro说:“在未来，我们预见机器人可以完成一些基本的家庭活动，如摆放和清洁桌子，将厨房用具放在水槽中，或帮助整理杂货。”
查默斯大学的研究人员希望研究是否有可能教会机器人更像人类的方式来解决任务——开发一种“可解释的人工智能”，在演示过程中提取一般信息而不是具体信息，以便它可以规划一条灵活和适应性强的路径来实现长期目标。可解释的人工智能(XAI)是一个术语，指的是一种人工智能，人类可以理解它是如何做出特定决定或结果的。
这个视频是Maximilian Diehl，Chris Paxton和Karinne Ramirez-Amaro的出版物“根据观察自动生成机器人规划域”的一部分。学分:推理实验室教机器人在变化的条件下堆叠物体
研究人员让几个人在虚拟现实环境中执行同样的任务——堆叠一堆堆小立方体——12次。每次任务都以不同的方式进行，人类的动作通过一组激光传感器进行跟踪。
“当我们人类有一项任务时，我们会将它分成一系列更小的子目标，我们执行的每个行动都是为了实现一个中间目标。Karinne Ramirez-Amaro说:“我们没有教会机器人精确模仿人类行为，而是专注于识别目标是什么，观察研究中人们执行的所有动作。
研究人员的独特方法意味着人工智能专注于提取子目标的意图，并为每个子目标建立由不同动作组成的库。然后，人工智能创造了一种可以由TIAGo机器人使用的规划工具，TIAGo机器人是一种设计用于室内环境的移动服务机器人。在该工具的帮助下，机器人能够自动生成一个计划，用于一个接一个地堆叠立方体的给定任务，即使周围的条件发生了变化。
简而言之:机器人被赋予堆叠立方体的任务，然后，根据每次尝试都略有变化的环境，为自己选择几种可能动作的组合，以形成一个序列，从而导致任务的完成。结果非常成功。
“有了我们的人工智能，机器人只需一次人类演示就能以92%的成功率制定计划。当使用所有12次演示的信息时，成功率高达100%，”Maximilian Diehl说。
这项工作在2021年IROS机器人大会上公布，这是世界上最负盛名的机器人会议之一。在该项目的下一阶段，研究人员将调查机器人如何与人类交流，并解释如果他们没有完成任务，什么地方出错了，为什么出错。
工业和医疗保健
长期目标是在工业中使用机器人来帮助技术人员完成可能导致长期健康问题的任务，例如，拧紧卡车车轮上的螺栓/螺母。在医疗保健中，可能是像带来和收集药物或食物这样的任务。
Karinne-Ramirez Amaro说:“我们希望让医疗保健专业人员的工作变得更容易，这样他们就可以专注于需要更多关注的任务。
“我们可能还需要几年时间才能看到真正自主和多功能的机器人，这主要是因为许多个体挑战仍然需要解决，如计算机视觉、控制和与人类的安全交互。然而，我们相信我们的方法将有助于加快机器人的学习过程，使机器人能够连接所有这些方面，并在新的情况下应用它们，”Maximilian Diehl说。
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
