Алгоритм планирования движения с учетом человеческого фактора устраняет пробелы в безопасности при сотрудничестве между роботами и людьми.
Основные потребности безопасности в эпоху палеолита в значительной степени изменились с началом промышленной и когнитивной революций. Мы немного меньше взаимодействуем с сырьем и немного больше взаимодействуем с машинами.
Роботы не обладают такой же жестко запрограммированной поведенческой осведомленностью и контролем, поэтому безопасное сотрудничество с людьми требует методического планирования и координации. Скорее всего, вы можете предположить, что ваш друг может наполнить вашу утреннюю чашку кофе, не пролив на вас, но для робота эта, казалось бы, простая задача требует внимательного наблюдения и понимания человеческого поведения.
Ученые из Лаборатории компьютерных наук и искусственного интеллекта Массачусетского технологического института (CSAIL) недавно создали новый алгоритм, который помогает роботу находить эффективные планы движения, обеспечивающие физическую безопасность своего человеческого аналога. В этом случае бот помог надеть куртку на человека, что потенциально может оказаться мощным инструментом в расширении помощи людям с ограниченными возможностями или ограниченной подвижностью.
«Разработка алгоритмов для предотвращения физического вреда без ненужного воздействия на эффективность задачи — критическая задача», — говорит аспирант Массачусетского технологического института Шен Ли, ведущий автор новой статьи об исследовании. «Позволяя роботам оказывать безопасное воздействие на людей, наш метод может находить эффективные траектории роботов, чтобы гарантировать безопасность человека».
Человеческое моделирование, безопасность и эффективность
Правильное моделирование человеком — того, как человек движется, реагирует и реагирует — необходимо для успешного планирования движения робота в интерактивных задачах человек-робот. Робот может добиться плавного взаимодействия, если человеческая модель идеальна, но во многих случаях безупречный план не существует.
Например, робот, отправленный человеку, находящемуся дома, будет иметь очень узкую, «стандартную» модель того, как человек может взаимодействовать с ним во время выполнения задачи по одеванию с помощью посторонних. Это не учитывает огромную вариативность человеческих реакций, зависящую от множества переменных, таких как личность и привычки. Кричащий малыш по-разному отреагирует на надевание пальто или рубашки, чем ослабленный пожилой человек или люди с ограниченными возможностями, у которых может быть быстрая утомляемость или снижение ловкости.
Если этому роботу поручено одеваться и он планирует траекторию исключительно на основе этой модели по умолчанию, робот может неуклюже столкнуться с человеком, что приведет к неприятным ощущениям или даже к возможной травме. Однако, если он слишком консервативен в обеспечении безопасности, он может пессимистично предположить, что все пространство поблизости небезопасно, а затем не сможет двигаться, что известно как проблема «замораживающего робота».
Чтобы обеспечить теоретическую гарантию безопасности человека, алгоритм команды рассуждает о неопределенности модели человека. Вместо того, чтобы иметь единственную модель по умолчанию, в которой робот понимает только одну потенциальную реакцию, команда дала машине понимание многих возможных моделей, чтобы более точно имитировать то, как человек может понимать других людей. По мере того, как робот собирает больше данных, он снижает неопределенность и уточняет эти модели.
Чтобы решить проблему с замораживающим роботом, команда переопределила безопасность для планировщиков движения, осознающих человека, как предотвращение столкновений или безопасное воздействие в случае столкновения. Часто, особенно при выполнении повседневных задач с участием роботов, столкновения невозможно полностью избежать. Это позволило роботу установить безопасный контакт с человеком для достижения прогресса, пока влияние робота на человека невелико. С этим двояким определением безопасности робот мог безопасно выполнить задачу по перевязке за более короткий период времени.
Например, предположим, что есть две возможные модели того, как человек может отреагировать на одежду. «Модель 1» — это то, что человек будет двигаться вверх во время одевания, а «Модель 2» — это то, что человек будет двигаться вниз во время одевания. С алгоритмом команды, когда робот планирует свое движение, вместо того, чтобы выбирать одну модель, он будет пытаться обеспечить безопасность для обеих моделей. Независимо от того, движется человек вверх или вниз, траектория, найденная роботом, будет безопасной.
Чтобы нарисовать более целостную картину этих взаимодействий, будущие усилия будут сосредоточены на исследовании субъективных ощущений безопасности в дополнение к физическому во время выполнения задачи по одеванию с помощью роботов.
«Этот многогранный подход сочетает в себе теорию множеств, ограничения безопасности, учитывающие человека, прогнозирование движения человека и управление с обратной связью для безопасного взаимодействия человека и робота», — говорит доцент Института робототехники Университета Карнеги-Меллона Закори Эриксон . «Это исследование потенциально может быть применено к широкому спектру сценариев вспомогательной робототехники для достижения конечной цели — позволить роботам оказывать более безопасную физическую помощь людям с ограниченными возможностями».
Ли написал статью вместе с постдоком CSAIL Надей Фигероа, аспирантом Массачусетского технологического института Анкитом Шахом и профессором Массачусетского технологического института Джули А. Шах. Они представят доклад виртуально на конференции 2021 года «Робототехника: наука и системы». Работа поддержана Управлением военно-морских исследований.
