首頁?行業  »   機器人  »   正文

MIT開發預測人體運動軌跡的新算法,或將幫助人類與機器人近距離協同工作

MIT開發預測人體運動軌跡的新算法,或將幫助人類與機器人近距離協同工作

麻省理工學院團隊的成員已經提出了一個解決方案:一種能夠實時準確地對齊部分軌跡的算法,允許運動預測器準確地預測人的運動時間。

去年,MIT與寶馬的研究人員測試人類與機器人可以共同組裝汽車零件的方式。

在工廠車間模擬環境中,該團隊在軌道上安裝了一個機器人,用于在工作站之間交付零件。與此同時,人類員工經常穿越這條路到附近的站點。如果一個人經過,機器人被編程為暫時停止工作。

但研究人員注意到,機器人經常會在一個人越過它的路徑之前就停下了。如果這發生在真實的制造環境中,那么這種不必要的停頓可能會造成顯著的低效率。

該團隊將問題追溯到機器人運動預測軟件使用的機器人軌跡對齊算法。雖然他們可以合理地預測一個人的前進方向,但由于時間不對齊,算法無法預測該人在路徑上的任何一點花費了多長時間。

現在,將新算法應用于寶馬工廠車間實驗時,他們發現,當人們再次走過時,機器人只是簡單地向前滾動并安全地離開了路徑,而不是完全停下。

麻省理工學院航空航天副教授Julie Shah說:“這種算法構建的組件可以幫助機器人理解并監控運動中的停止和重疊,這是人體運動的核心部分。”

預測人體運動

為了使機器人能夠預測人體運動,研究人員通常借用音樂和語音處理的算法。這些算法的目的是對齊兩個完整的時間序列或相關數據集,如音樂表演的音頻軌道和樂譜。

研究人員使用類似的對齊算法來同步實時的和先前記錄的人體運動測量值,從而預測一個人在五秒鐘后的位置。但與音樂或語言不同的是,人類的動作可能是混亂的,而且具有高度多變性。即使是重復的動作,比如穿過桌子去擰緊螺釘,每個人每次的動作也可能略有不同。

MIT開發預測人體運動軌跡的新算法,或將幫助人類與機器人近距離協同工作

現有的算法通常采用流式運動數據,以點的形式表示一個人隨時間的位置,并將這些點的軌跡與給定場景的公共軌跡庫進行比較。算法根據點之間的相對距離來繪制軌跡。

但Lasota表示,基于距離單獨預測軌跡的算法在某些常見情況下很容易混淆,例如臨時停留,人們在繼續前進之前會暫停,暫停時,代表該人位置的點可以聚集在同一位置。

“當一個人停下來時,你會將一大堆點聚集在一起,如果你只是將點之間的距離看作是對齊度量標準,那可能會讓人感到困惑,因為它們都很接近,而且你不清楚對齊哪一點。”

重疊的軌跡也是如此,即一個人沿著類似的路徑來回移動時的情況。雖然一個人的當前位置可能與參考軌跡上的一個點對齊,但現有的算法無法區分該位置是否是一條軌跡的一部分,或者沿著相同的路徑返回。就距離來說一個人的位置可能與點很近,但就時間而言,位置可能離參考點很遠。

一切都在于時機

Lasota和Shah設計了一種“部分軌跡”算法,實時將人的軌跡片段與之前收集的參考軌跡庫對齊。重要的是,新算法在距離和時間上對軌跡進行對齊,因此能夠準確預測一個人的路徑上的停止和重疊。

Lasota解釋道,假設你已經執行了這么多動作。舊的技術會認為,這是代表那個運動軌跡上最近的點。但是因為你只是在很短的時間內完成了這么多,算法的計時部分會認為,基于計時你不太可能已經在回來的路上了,因為你剛剛開始你的動作。

該團隊在兩個人體運動數據集上測試了該算法:一個人在工廠環境中間歇性地穿過機器人的路徑(這些數據來自團隊對寶馬的實驗),另一個先前記錄了參與者的手部動作,穿過桌子安裝一個螺栓,然后機器人通過給螺栓刷上密封劑來固定它。

對于這兩個數據集,與兩種常用的部分軌跡對齊算法相比,該團隊的算法能夠更好地估計一個人通過軌跡的進度。此外,該團隊發現,當他們將對齊算法與其運動預測器集成時,機器人可以更準確地預測人的運動時間。

雖然算法是在運動預測的背景下進行評估的,但它也可以用作人機交互領域中其他技術的預處理步驟,例如動作識別和手勢檢測。該算法將成為使機器人能夠識別和響應人類運動和行為模式的關鍵工具。最終,這可以幫助人類和機器人在結構化環境中協同工作,例如工廠,甚至是在家庭環境中。

Shah說,“這種技術可以應用于人類表現出典型行為模式的任何環境,關鍵是機器人系統可以觀察到反復出現的模式,這樣它就可以了解人類行為。機器人更好地理解人體運動的各個方面,就能夠更好地與我們合作。”

歡迎關注ATYUN官方公眾號,商務合作及內容投稿請聯系郵箱:[email protected]

發表評論