Ο Άλμπερτ Αϊνστάιν ισχυρίστηκε διάσημα ότι «το μόνο πραγματικό πολύτιμο πράγμα είναι η διαίσθηση», αναμφισβήτητα ένα από τα πιο σημαντικά κλειδιά για την κατανόηση της πρόθεσης και της επικοινωνίας. Αλλά η διαισθητικότητα είναι δύσκολο να διδαχθεί – ειδικά σε μια μηχανή. Προσπαθώντας να το βελτιώσουν, μια ομάδα από το εργαστήριο Επιστήμης Υπολογιστών και Τεχνητής Νοημοσύνης του MIT (CSAIL) βρήκε μια μέθοδο που μας φέρνει πιο κοντά σε μια πιο απρόσκοπτη συνεργασία ανθρώπινου-ρομπότ. Το σύστημα, που ονομάζεται “Conduct-A-Bot“, χρησιμοποιεί σήματα ανθρώπινων μυών από φορετούς αισθητήρες για να πιέσει την κίνηση ενός drone.
«Οραματιζόμαστε έναν κόσμο στον οποίο οι μηχανές βοηθούν άτομα με γνωστική και σωματική εργασία, και για να το κάνουν αυτό, προσαρμόζονται στους ανθρώπους και όχι το αντίστροφο», λέει η καθηγήτρια Daniela Rus, διευθύντρια της CSAIL, και ο αναπληρωτής επικεφαλής της έρευνας για το MIT Stephen A. Schwarzman του College of Computing και συν-συγγραφέας σε μια εργασία σχετικά με το σύστημα.
Για να επιτρέπεται η απρόσκοπτη ομαδική εργασία μεταξύ ατόμων και μηχανών, οι ηλεκτρομυογράφοι και οι αισθητήρες κίνησης φοριούνται στους δικέφαλους μυς, τους τρικέφαλους και τους βραχίονες για τη μέτρηση των μυϊκών σημάτων και της κίνησης. Στη συνέχεια, οι αλγόριθμοι επεξεργάζονται τα σήματα για να ανιχνεύουν κινήσεις σε πραγματικό χρόνο, χωρίς βαθμονόμηση εκτός σύνδεσης ή δεδομένα εκπαίδευσης ανά χρήστη. Το σύστημα χρησιμοποιεί μόνο δύο ή τρεις αισθητήρες που φοριούνται και τίποτα στο περιβάλλον – μειώνοντας σε μεγάλο βαθμό το εμπόδιο για τους απλούς χρήστες που αλληλεπιδρούν με ρομπότ.
Ενώ το Conduct-A-Bot θα μπορούσε ενδεχομένως να χρησιμοποιηθεί για διάφορα σενάρια, όπως μενού πλοήγησης σε ηλεκτρονικές συσκευές ή επίβλεψη αυτόνομων ρομπότ, για αυτήν την έρευνα η ομάδα χρησιμοποίησε ένα Parrot Bebop 2 drone, αν και οποιοδήποτε εμπορικό drone μπορούσε να χρησιμοποιηθεί.
Ανιχνεύοντας ενέργειες όπως περιστροφικές χειρονομίες, σφιγμένες γροθιές, τεντωμένους βραχίονες και ενεργοποιημένους βραχίονες, το Conduct-A-Bot μπορεί να μετακινήσει το drone αριστερά, δεξιά, πάνω, κάτω και εμπρός, καθώς και να του επιτρέψει να περιστραφεί και να σταματήσει.
Εάν δείξατε προς τα δεξιά στον φίλο σας, θα μπορούσαν πιθανώς να ερμηνεύσουν ότι πρέπει να κινηθούν προς αυτή την κατεύθυνση. Παρομοίως, αν κινούσατε το χέρι σας προς τα αριστερά, για παράδειγμα, το drone θα ακολουθούσε και θα έκανε μια αριστερή στροφή.
Σε δοκιμές, το αεροσκάφος ανταποκρίθηκε σωστά στο 82 τοις εκατό πάνω από 1.500 ανθρώπινες χειρονομίες όταν ελέγχθηκε από απόσταση για να πετάξει μέσα από στεφάνες. Το σύστημα επίσης εντόπισε σωστά περίπου το 94 τοις εκατό των χειρονομιών όταν δεν είχε ελεγχθεί το drone.
«Η κατανόηση των χειρονομιών μας θα μπορούσε να βοηθήσει τα ρομπότ να ερμηνεύσουν περισσότερα από τα μη λεκτικά στοιχεία που φυσικά χρησιμοποιούμε στην καθημερινή ζωή», λέει ο Joseph DelPreto, επικεφαλής συγγραφέας της νέας μελέτης. «Αυτός ο τύπος συστήματος θα μπορούσε να βοηθήσει την αλληλεπίδραση με ένα ρομπότ πιο παρόμοια με την αλληλεπίδραση με άλλο άτομο και να διευκολύνει κάποιον να αρχίσει να χρησιμοποιεί ρομπότ χωρίς προηγούμενη εμπειρία ή εξωτερικούς αισθητήρες».
Αυτός ο τύπος συστήματος θα μπορούσε τελικά να στοχεύσει μια σειρά εφαρμογών για τη συνεργασία ανθρώπων-ρομπότ, όπως απομακρυσμένη εξερεύνηση, βοηθητικά προσωπικά ρομπότ ή εργασίες κατασκευής, όπως παράδοση αντικειμένων ή ανύψωση υλικών.
Αυτά τα ευφυή εργαλεία είναι επίσης συμβατά με την κοινωνική αποστασιοποίηση – και θα μπορούσαν ενδεχομένως να ανοίξουν ένα νέο κεφάλαιο μελλοντικής επαφής. Για παράδειγμα, μπορείτε να φανταστείτε ότι τα μηχανήματα ελέγχονται από τον άνθρωπο για να καθαρίσετε με ασφάλεια ένα δωμάτιο νοσοκομείου ή να αφήσετε φάρμακα, αφήνοντας μας ανθρώπους να παραμείνουν σε ασφαλή απόσταση.
Τα μυϊκά σήματα μπορούν συχνά να παρέχουν πληροφορίες σχετικά με καταστάσεις που είναι δύσκολο να παρατηρηθούν από την όραση, όπως δυσκαμψία στις αρθρώσεις ή κόπωση.
Για παράδειγμα, εάν παρακολουθείτε ένα βίντεο από κάποιον που κρατάει ένα μεγάλο κουτί, μπορεί να έχετε δυσκολία να μαντέψετε πόση προσπάθεια ή δύναμη χρειαζόταν – και ένα μηχάνημα θα είχε επίσης δυσκολία να το εκτιμήσει μόνο από την όραση. Η χρήση αισθητήρων μυών ανοίγει δυνατότητες εκτίμησης όχι μόνο της κίνησης, αλλά και της δύναμης και της ροπής που απαιτείται για την εκτέλεση αυτής της φυσικής πορείας.
Για το λεξιλόγιο χειρονομίας που χρησιμοποιείται επί του παρόντος για τον έλεγχο του ρομπότ, οι κινήσεις εντοπίστηκαν ως εξής:
- σκλήρυνση του άνω βραχίονα για να σταματήσει το ρομπότ (παρόμοιο με το να τσακίζει για λίγο όταν βλέπεις κάτι να πάει στραβά): σήματα μυών δικέφαλου και τρικέφαλου
- κουνώντας το χέρι αριστερά / δεξιά και πάνω / κάτω για να μετακινήσετε το ρομπότ πλάγια ή κάθετα: σήματα μυών του αντιβράχιου (με το επιταχυνσιόμετρο του αντιβραχίου που δείχνει τον προσανατολισμό του χεριού).
- σφίξιμο γροθιάς για να μετακινήσετε το ρομπότ προς τα εμπρός: σήματα μυών αντιβράχιου.
- περιστροφή δεξιόστροφα / αριστερόστροφα για να γυρίσετε το ρομπότ: γυροσκόπιο αντιβράχιου (πήχης).
Οι ταξινομητές μηχανικής μάθησης εντόπισαν τις κινήσεις χρησιμοποιώντας τους φορετούς αισθητήρες. Οι μη εποπτευόμενοι ταξινομητές επεξεργάστηκαν τα δεδομένα μυών και κινήσεων και το συγκέντρωσαν σε πραγματικό χρόνο για να μάθουν πώς να διαχωρίζουν τις χειρονομίες από άλλες κινήσεις. Ένα νευρικό δίκτυο προέβλεψε επίσης κάμψη του καρπού ή επέκταση από σήματα μυών του αντιβράχιου (πήχης).
Το σύστημα ουσιαστικά βαθμονομείται στα σήματα κάθε ατόμου ενώ κάνουν χειρονομίες που ελέγχουν το drone, καθιστώντας το πιο γρήγορο και ευκολότερο για τους απλούς χρήστες να αρχίσουν να αλληλεπιδρούν με ρομπότ.
Στο μέλλον, η ομάδα ελπίζει να επεκτείνει τις δοκιμές για να συμπεριλάβει περισσότερα θέματα. Και ενώ οι κινήσεις για το Conduct-A-Bot καλύπτουν κοινές κινήσεις για κίνηση ρομπότ, οι ερευνητές θέλουν να επεκτείνουν το λεξιλόγιο για να συμπεριλάβουν πιο συνεχείς ή καθοριζόμενες από το χρήστη χειρονομίες. Τελικά, η ελπίδα είναι να μάθουν τα ρομπότ από αυτές τις αλληλεπιδράσεις για να κατανοήσουν καλύτερα τα καθήκοντα και να παρέχουν περισσότερη προγνωστική βοήθεια ή να αυξήσουν την αυτονομία τους.
«Αυτό το σύστημα πλησιάζει ένα βήμα πιο κοντά στο να μας επιτρέπει να δουλεύουμε απρόσκοπτα με ρομπότ, ώστε να μπορούν να γίνουν πιο αποτελεσματικά και έξυπνα εργαλεία για καθημερινές εργασίες», λέει ο DelPreto. «Καθώς τέτοιες συνεργασίες συνεχίζουν να γίνονται πιο προσιτές και διαδεδομένες, οι δυνατότητες για συνεργιστικό όφελος συνεχίζουν να εμβαθύνουν».
Οι DelPreto και Rus παρουσίασαν το άρθρο σχεδόν νωρίτερα αυτό το μήνα στο Διεθνές Συνέδριο ACM / IEEE για την Αλληλεπίδραση Ανθρώπου – Ρομπότ.
Πηγές άρθρων:
https://news.mit.edu/2020/conduct-a-bot-muscle-signals-can-pilot-robot-mit-csail-0427
https://techcrunch.com/2020/04/27/mit-muscle-control-system-for-drones-lets-a-pilot-use-gestures-for-accurate-and-specific-navigation/
Controlling robots with brainwaves, hand gestures
Advertising
