一种用于移动机器人学习多种情况下自动规划路径的外来方法

无论是出于政治需要驱逐机器人的纽约市市长的讲话，还是海蒂劳机器人服务员的勤奋工作，不止一个事件提醒我们，机器人与时俱进. 作为公认的人类，我们应该注意机器人与人的社会关系. 服务机器人和移动机器人逐渐进入许口稠密的环境，包括医院，购物中心和人们的住所. 为了使这些机器人与周围环境中的人类互动，他们（机器人设计师）应遵守许多与他人共享给定环境有关的潜规则.

在国人的个人空间，并且还可以使人机在几种交互情况（HRI）下更有效.

“这项研究最初是我主要论文中有关机器人和儿童的研究的一部分，后来被发现非常有前途，”进行这项研究的研究人员之一大卫·菲尔·塞弗说. “早期的工作涉及为我们希望机器人与孩子互动的环境开发机器人. 在这种情况下，我们使用机器人路径规划中常用的指标来使机器人采取最“有效”的路径（以最大程度地减少时间）进行练习以最小化行进的距离并且不会撞到任何东西. “

Feil-Seifer和他的同事还在《人机交互》上发表的一项较早研究中，尝试为儿童所居住的环境开发机器人导航行为. 试点工作表明，机器人可以有效地到达期望的位置而不会撞到任何东西，但是研究人员观察到，儿童通常对机器人的反应和感知能力很差. 实际上，实验中使用的机器人通常会远离儿童，并尽可能快地移向他们期望的位置. 但是由于这种行为，孩子们认为机器人不想与他们互动.

Feil-Seifer说: “我们观察了机器人，发现它并没有真正改变人们的行为方式. 它只是学会吸收社会信息，并用它来帮助进行路径规划和避免行为. ” “所以，我们决定制作一个导航计划器，该计划器可以使用社交距离信息来进行适合社交的运动. ”

在先前的同一研究中，Feil-Seifer和他的同事使用一种称为高斯混合模型（GMM）的简单数学方法将社会关系理解为简单的线性数学模型，从而成功地使机器人确定了计划中的运动是否符合社会要求. 当机器人可以使用简单的线性数学模型轻松理解和表达社会因素时，此方法效果很好. 但是，由于现实世界中的大多数社交互动都涉及多个因素，而这些因素很难拟合线性模型中的交集，因此这导致了他们开发的简单方法无法在不同的社交环境中得到很好的推广，并且在许多情况下，它根本不会成功工作.

因此，研究人员决定在他们的新研究中更新他们先前开发的计划程序，以优化机器人的计划动作，并考虑到他们希望机器人考虑的各种社会属性之间的非线性关系. 这涉及使用启用了帕累托凹凹变换（PaCcET）的计划程序.

“我们方法的主要优点是它可以利用各种社会因素之间的非线性关系（例如，您在走廊中的位置，与其他人的关系，与目标的距离等）. ”移动机器人目标，费尔·塞弗（Feil-Seifer）说. Feil-Seifer和他的同事们将非线性优化方法应用于机器人必须尊重社会规范的几种情况，例如，不得侵犯人们的个人空间. 他们发现他们的方法在许多情况下都行之有效，包括在走廊，美术馆中或在提示时进行交互，并且将是主动和交互的.

移动机器人正在将场景前面的提示插入门口. 传统的计划者会生成红色轨迹，将机器人引导到第一人称（不适当的人）旁边的位置，并切断线. 我们建议的方法是蓝色轨迹，它可以使机器人（适当地）加入生产线. 图片来源: Banisety等.

费勒-塞弗尔说: “我们没有直接与其他具有社会意识的导航计划者进行比较；但这是为未来计划的. “但是，与不考虑社会动态因素的传统计划者相比，该机器人在走廊上经过时会给人们更多的空间，同时继续朝着理想的目标迈进. ”

在最近的研究中，研究人员在模拟的PR2机器人的二维仿真以及Pioneer 3DX移动机器人的真实世界中评估了他们的方法. 他们的发现表明，他们的方法可以处理涉及完整和不完整机器人的多种交互方案.

Feil-Seifer说: “实际上，最初的论文证明了这种方法至少可以在模拟环境中工作. “后来的工作已经在现实世界和各种社会场景中得到证明. 在这一点上，这些场景同时考虑了其他人和与机器人交互环境有关的因素（例如，感兴趣的地方，如墙上的绘画） ，这些因素也与人们的社会意识有关. ”

总体而言，Feil-Seifer和他的同事所做的工作突出表明，需要开发工具来提高机器人的社会意识，以确保它们不会使人们感到不适，从而促进其融入社会. 将来移动机器人目标，他们开发的非线性优化方法最终可以简化办公室，医院和其他各种环境中移动机器人的使用.

“我们现在正在继续扩展我们的社会意识导航（SAN）计划过程的功能，以包括更广泛的社会互动，以更好地了解社会环境，以便我们可以正确地确定要优先处理的优先事项，并该系统更加强大，并发挥了更大的作用. ” Feil-Seifer说. “我们还计划研究社交感知导航对观察交互的人们的直接影响以及它如何影响他们对机器人的感知，因为这将有助于验证社交感知导航的必要性. ”

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/tongxinshuyu/article-195244-1.html