一种提高机器人将物体交给人类的能力的模型

几十年来，世界各地的研究人员一直在努力开发能够有效协助人类并与人类一起处理各种日常任务的机器人。然而，为了有效地做到这一点，机器人应该能够与人类自然地互动，包括递给他们并从他们那里接收物品。

NVIDIA的研究人员最近开发了一种模型，该模型可用于增强机器人自然传递和接收来自人类代理的物体的能力。这种方法在ICRA2022上发表的一篇论文中介绍，它基于一个名为STORM的框架，他们在之前的一篇作品中介绍了该框架。

“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迪特福克斯告诉TechXplore。“我们提出了一个解决方案，将学习的抓取方法与我们的预测控制方法相结合，以确保这些交接是可预测的、自然的和快速的，以便人们将机器人视为安全、有用的助手。”

Fox和他在NVIDIA的同事多年来一直致力于提高机器人的操作和交互技能。然而，他们在新论文中提出的模型结构与他们之前工作中提出的方法不同。

更具体地说，他们新提出的方法最初使用学习模型来预测机器人可以从人类代理手中获取物体的几种方式。然后，它不是使用简单的基于规则的算法来确定哪种方法更有效，而是使用团队先前创建的模型预测控制(MPC)框架STORM确定最佳方法。

“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可能运动进行采样来工作，”Fox解释说。“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。”

研究人员提出了一种人机切换系统，该系统使用模型预测控制(MPC)来生成运动。与现有系统相比，这导致了更灵活和流畅的人机切换体验。信用：杨等人。

Fox和他的同事创建的模型每秒会更新几次机器人的控制决策。这最终使它能够快速调整机器人的计划轨迹，并根据与之协作的用户执行的动作决定在何处抓取物体。

“这项工作展示了我们如何将学习到的物体抓取和人类跟踪技术与有效的运动规划相结合，以产生稳健、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。”

Fox和他的同事在一系列实验中评估了他们模型的性能，其中机器人在与四个人类用户交互时交出并接收各种物体。在这些测试中，他们的方法取得了非常有希望的结果，因为几乎所有参与者都认为，在研究人员MPC框架的支持下，机器人在与他们协作方面比在基于基线方法时更好。

将来，NVIDIA团队推出的新模型可用于提高现有和新开发的机器人在与人类代理密切协作的对象操作任务中的性能。同时，该团队计划开发其他工具来增强人机协作。

“更广泛地说，像这样将深度学习的力量与基于计划的推理相结合的方法将对许多应用程序有用，”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，使机器人能够有效地与人类合作，同时探索在模拟环境中虚拟训练这些机器人系统并将训练好的模型部署到真实环境中的可能性——世界机器人。”