Das interaktive Programm von Informatikern hilft bei der Bewegungsplanung für Umgebungen mit Hindernissen – ScienceDaily

Startseite » Das interaktive Programm von Informatikern hilft bei der Bewegungsplanung für Umgebungen mit Hindernissen – ScienceDaily
Das interaktive Programm von Informatikern hilft bei der Bewegungsplanung für Umgebungen mit Hindernissen – ScienceDaily

Genau wie wir können Roboter nicht durch Wände sehen. Manchmal brauchen sie ein wenig Hilfe, um ans Ziel zu kommen.

Ingenieure der Rice University haben eine Methode entwickelt, die es Menschen ermöglicht, Robotern dabei zu helfen, ihre Umgebung zu „sehen“ und Aufgaben auszuführen.

Die Strategie namens Bayesian Learning IN the Dark – kurz BLIND – ist eine neuartige Lösung für das seit langem bestehende Problem der Bewegungsplanung für Roboter, die in Umgebungen arbeiten, in denen nicht immer alles klar sichtbar ist.

Die Peer-Review-Studie unter der Leitung der Informatiker Lydia Kavraki und Vaibhav Unhelkar sowie der Co-Hauptautoren Carlos Quintero-Peña und Constantinos Chamzas von der George R. Brown School of Engineering von Rice wurde auf der International Conference on Robotics des Institute of Electrical and Electronics Engineers vorgestellt und Automatisierung Ende Mai.

Der Algorithmus, der hauptsächlich von Quintero-Peña und Chamzas entwickelt wurde, beide Doktoranden, die mit Kavraki zusammenarbeiten, hält einen Menschen auf dem Laufenden, um „die Roboterwahrnehmung zu verbessern und vor allem die Ausführung unsicherer Bewegungen zu verhindern“, so die Studie.

Dazu kombinierten sie Bayes’sches inverses Verstärkungslernen (bei dem ein System aus kontinuierlich aktualisierten Informationen und Erfahrungen lernt) mit etablierten Bewegungsplanungstechniken, um Robotern mit „hohen Freiheitsgraden“ – d. h. vielen beweglichen Teilen – zu helfen.

Um BLIND zu testen, wies das Rice-Labor einen Fetch-Roboter, einen Gelenkarm mit sieben Gelenken, an, einen kleinen Zylinder von einem Tisch zu greifen und ihn zu einem anderen zu bewegen, aber dabei musste er sich an einer Barriere vorbeibewegen.

„Wenn Sie mehr Gelenke haben, sind die Anweisungen an den Roboter kompliziert“, sagte Quintero-Peña. „Wenn Sie einen Menschen lenken, können Sie einfach sagen: ‚Heben Sie Ihre Hand.‘“

Aber die Programmierer eines Roboters müssen die Bewegung jedes Gelenks an jedem Punkt seiner Flugbahn genau kennen, insbesondere wenn Hindernisse die „Sicht“ der Maschine auf ihr Ziel blockieren.

Anstatt eine Trajektorie im Voraus zu programmieren, fügt BLIND einen Menschen mitten in den Prozess ein, um die choreografierten Optionen – oder besten Schätzungen – zu verfeinern, die vom Algorithmus des Roboters vorgeschlagen werden. „BLIND ermöglicht es uns, Informationen im Kopf des Menschen aufzunehmen und unsere Flugbahnen in diesem Raum mit hohem Freiheitsgrad zu berechnen“, sagte Quintero-Peña.

„Wir verwenden eine bestimmte Form des Feedbacks, die Kritik genannt wird, im Grunde eine binäre Form des Feedbacks, bei der dem Menschen Etiketten auf Teilen der Flugbahn gegeben werden“, sagte er.

Diese Beschriftungen erscheinen als verbundene grüne Punkte, die mögliche Pfade darstellen. Während BLIND von Punkt zu Punkt geht, stimmt der Mensch jeder Bewegung zu oder lehnt sie ab, um den Pfad zu verfeinern und Hindernissen so effizient wie möglich auszuweichen.

„Es ist eine einfach zu bedienende Benutzeroberfläche, weil wir sagen können, ‚das gefällt mir‘ oder ‚das gefällt mir nicht‘, und der Roboter verwendet diese Informationen für die Planung“, sagte Chamzas. Sobald der Roboter mit einem genehmigten Satz von Bewegungen belohnt wird, kann er seine Aufgabe ausführen, sagte er.

„Eines der wichtigsten Dinge hier ist, dass menschliche Vorlieben schwer mit einer mathematischen Formel zu beschreiben sind“, sagte Quintero-Peña. „Unsere Arbeit vereinfacht die Mensch-Roboter-Beziehungen, indem sie menschliche Vorlieben einbezieht. So werden Anwendungen meiner Meinung nach den größten Nutzen aus dieser Arbeit ziehen.“

„Diese Arbeit veranschaulicht auf wunderbare Weise, wie ein kleiner, aber gezielter menschlicher Eingriff die Fähigkeiten von Robotern erheblich verbessern kann, komplexe Aufgaben in Umgebungen auszuführen, in denen einige Teile dem Roboter völlig unbekannt, aber dem Menschen bekannt sind“, sagte Kavraki, ein Pionier der Robotik dessen Der Lebenslauf umfasst fortgeschrittene Programmierung für den humanoiden Robonaut der NASA an Bord der Internationalen Raumstation.

„Es zeigt, wie Methoden zur Mensch-Roboter-Interaktion, dem Forschungsthema meines Kollegen Professor Unhelkar, und automatisierte Planung, die in meinem Labor jahrelang Pionierarbeit geleistet hat, miteinander verschmelzen können, um zuverlässige Lösungen zu liefern, die auch menschliche Vorlieben berücksichtigen.“

Die Rice-Studentin Zhanyi Sun und Unhelkar, ein Assistenzprofessor für Informatik, sind Co-Autoren des Papiers. Kavraki ist Noah-Harding-Professor für Informatik und Professor für Bioingenieurwesen, Elektro- und Computertechnik sowie Maschinenbau und Direktor des Ken Kennedy Institute.

Die Forschung wurde von der National Science Foundation (2008720, 1718487) und einem Stipendium des NSF Graduate Research Fellowship Program (1842494) unterstützt.

Video: https://youtu.be/RbDDiApQhNo