学界 | 通用智能化:BAIR简述人类-机器人协作新技术

2017-12-20  机器之心  机器之心

选自BAIR Blog

作者:Changliu Liu、Masayoshi Tomizuka

机器之心编译

参与:李诗萌、李泽南


在学者的眼中,未来的工业自动化很大程度上需要人类与机器人进行高效率的协作。然而,由于环境的复杂度和人类动作的随机性,机器人系统与机器学习算法的设计一直面临很大挑战。伯克利人工智能研究所(BAIR)近日撰文介绍了旗下机械系统控制实验室(MSC)开发的安全机器人交互系统,可以显著减少人机协作过程中问题的发生几率。


工厂机器人的实用化


现代工厂中的主要劳动力是人类和机器人。出于安全考虑,工厂通常会将机器人限制在金属笼中,以将人类和机器人分开,然而这一行为限制了生产线的生产力和灵活性。近年来,人们开始想要移除网箱,这样可以使人类和机器人合作,以建立真正的人机共存的工厂。制造商想要建立一条结合了人类的灵活性和机器人的生产力的有弹性的生产线。工业联合机器人的潜在好处是很大的,例如,他们可以加入人类和机器人同时工作的有弹性的生产线上,在这条生产线上机器人和人类会合作处理工件,工人也会自行部署AGV(automatedguidedvehicles,自动导引运输车)来缓解工厂物流压力。在未来的工厂中,人机交互的情况会变得越来越多。与在结构化和确定性环境中工作的传统机器人不同,联合机器人要在非结构化和随机的环境中运行。在这之中的根本问题在于该如何确保联合机器人在不确定的动态环境中高效安全地运行。本文中,我们将介绍MSC(http://msc.berkeley.edu/)实验室开发的安全的机器人交互系统。


图2.人与机器人协作组装工件。


为了实现这样的行为,我们在技术上的挑战在于:(1)人类行为的复杂性;(2)在不损失效率的情况下保证安全。人类运动的随机性给系统带来的巨大的不确定性难以保证机器人的安全和效率。


安全的机器人交互系统与实时非凸优化


MSC实验室开发的安全的机器人交互系统(RSIS,robotsafeinteractionsystem)建立了一种设计机器人行为的方法,可以在人机交互过程中在保证安全的同时保证效率。


由于机器人需要与人类长期进行交互行为,让机器人模仿人类行为是很自然的。人类因有意识的思考或条件反射而发生互动行为。例如,前方发生追尾时后车司机会本能地踩刹车。然而,经过短暂的考虑后,司机可能会加速切入另一条车道以避免连锁追尾。前者是短期的安全反应行为,而后者需要计算当下的情况,例如,是否有停车的空间,是否有换车道的空位,换车道和马上停车哪个比较安全等。


现在有一种模拟了这种行为的并行计划和控制体系的结构,该结构包括长效规划器和短效规划器。长效规划器(效率控制器)强调效率,解决了低采样滚动时域优化中的长期最优控制问题。短效控制器(安全控制器)通过基于效率控制器规划轨迹解决高采样率的短期最优控制问题来解决实时安全问题。这种并行架构也解决了不确定的问题,长效规划器根据其他人最有可能的行为做出计划,短效规划器在短时间内考虑几乎所有的其他人可能的行动,以确保安全。



图4.在CFS算法中凸化的例子。


利用并行计划器和优化算法,机器人可以安全地与环境交互,并高效地完成任务。





参考资料


C.Liu,andM.Tomizuka,「Algorithmicsafetymeasuresforintelligentindustrialco-robots,」inIEEEInternationalConferenceonRoboticsandAutomation(ICRA),2016.

C.Liu,andM.Tomizuka,「Designingtherobotbehaviorforsafehumanrobotinteractions」,inTrendsinControlandDecision-MakingforHuman-RobotCollaborationSystems(Y.WangandF.Zhang(Eds.)).Springer,2017.

C.Liu,andM.Tomizuka,「Realtimetrajectoryoptimizationfornonlinearroboticsystems:Relaxationandconvexification」,inSystems&ControlLetters,vol.108,pp.56-63,Oct.2017.

C.Liu,C.Lin,andM.Tomizuka,「Theconvexfeasiblesetalgorithmforrealtimeoptimizationinmotionplanning」,arXiv:1709.00627.


原文链接:http://bair.berkeley.edu/blog/2017/12/12/corobots/



本文为机器之心编译,转载请联系本公众号获得授权。

✄------------------------------------------------

加入机器之心(全职记者/实习生):hr@jiqizhixin.com

投稿或寻求报道:content@jiqizhixin.com

广告&商务合作:bd@jiqizhixin.com

精选留言

微阅读微阅读

机器之心微信ID:almosthuman2014

机器之心微信二维码

关于机器之心

人与科技的美好关系

最值得关注的微信公众号推荐