創澤機器人
CHUANGZE ROBOT
當前位置:首頁 > 新聞資訊 > 機器人開發 > 華南理工大學羅晶博士和楊辰光教授團隊發文提出遙操作機器人交互感知與學習算法

華南理工大學羅晶博士和楊辰光教授團隊發文提出遙操作機器人交互感知與學習算法

來源: CAAI認知係統與信息處理專委會     編輯:創澤   時間:2020/5/27   主題:其他 [加盟]

1、論文背景 

目前遙操作機器人在醫療臨床、康複、深海探測、救援救災等諸多領域得到了廣泛的應用(圖1)。但是在操作過程中,由於人機交互性能不足、感知能力不佳,機器人隻能完成一些簡單、重複的任務。例如,操作人員控製機器人執行pickup任務[1]和維護任務[2]。為了解決上述問題,我們提出了一種新型的人機交互感知機製和學習算法來提高遙操作機器人的操控性能。首先,為了增強遙操作係統的感知能力,我們設計了一個基於肌肉活性的人機交互界麵,提取操作者的肌電信號,用於對外界環境做出反應。通過遙操作係統的觸覺反饋和視覺反饋,人類操作者可以自然地作出反應,發出正確的控製命令。肌電信號的強弱隨著操作任務的不同而不同,同時人機協作過程中的肌肉活性變化、機器人末端執行器的軌跡、操作者的運動,都可以用來表征人機協作任務和意圖。機器人可以通過學習人類的操作行為來提升智能化程度,學習的內容不僅包括運動軌跡,還有人類執行任務時的剛度。通過學習人類的操作行為,遙操作機器人可以獨立完成重複性任務或者不確定性任務。

圖1機器人遙操作示意圖

2、係統概述

如圖2所示,我們利用從端機器人的末端執行器來完成執行人機協作任務,采用隱半馬爾科夫模型獲取人機協作任務模型。在示教過程中,操作者可以通過生物信號感知界麵感知操作過程中外力的變化,實時調整所需的增益/剛度,並將其映射到從端機器人的控製器中。示教過程中主要考慮了任務軌跡、剛度和力等數據,通過任務學習與複現階段,形成了人在閉環係統中的技能建模方案。如圖3所示,如圖該框架中將人機協作任務分為兩個階段:學習階段和複現階段。在學習階段,基於隱半馬爾科夫和混合高斯模型方法可以對人機協作任務進行學習,建立基於運動軌跡的生成任務模型。在複現階段,基於隱半馬爾科夫和混合高斯回歸方法可以對生成模型的任務軌跡進行修正,從學習的任務中複現結果[3]。

3、實驗分析

操作者通過Touch X控製Baxter機器人執行繪圖任務,整個任務過程進行3次人機協作示教,繪圖任務在一張大小為210mm297mm (A4)的二維空間內進行。圖4(a)所示為繪畫任務的運動軌跡和剛度軌跡。灰色曲線為人機協作繪畫的軌跡,紅色曲線為任務生成階段的結果。生成階段可以劃分為6個步驟(I-VI)和三個子任務。在步驟I和II中,Baxter機器人開始繪圖子任務1。步驟II和步驟III,Baxter機器人右臂末端離開紙張進行下一次繪圖操作。類似地,子任務2和子任務3分別由步驟III到IV和步驟V到VI完成。在任務學習階段,操作者的手臂剛度是隨著繪畫任務過程的變化而變化。如圖4(b)所示,Baxter機器人采用生成的剛度執行繪畫任務。從圖4(b)中的(a)-(f)可以得出,Baxter機器人利用生成的模型成功的完成了繪圖任務。

4、分析與結論

本文提出了一種新型的觸覺肌電感知機製和基於隱半馬爾科夫模型-高斯混合理論的機器人學習框架。操作者通過調節自身的肌肉活性來應對外界環境的變化,同時觀察和記錄人機協作過程中的肌肉活動情況。利用采集的肌電信號和提出的任務學習框架,遙操作機器人係統可以自然地與外界環境進行交互、編碼人機協作任務和生成任務模型,從而提升係統的類人化操作行為和智能化程度。

參考文獻:
[1] Penco L, Scianca N, Modugno V, et al. A MultimodeTeleoperation Framework for Humanoid Loco-Manipulation: An Application for the iCub Robot. IEEE Robotics & Automation Magazine, 2019, 26(4): 73-82.
[2] MaddahiY, Zareinia K, Sepehri N. An augmented virtual fixture to improve task performance in robot-assisted live-line maintenance. Computers & Electrical Engineering, 2015, 43: 292-305.
[3] Yang C, Luo J, Liu C, et al. Haptics electromyography perception and learning enhanced intelligence for teleoperated robot. IEEE Transactions on Automation Science and Engineering, 2018, 16(4): 1512-1521.

創澤智能機器人
創澤智能機器人
中國智能服務機器人領軍企業,涵蓋商用、家庭、特種等多用途的智能機器人產品體係,十幾年行業應用解決方案提供商



【深度】未來5-10年計算機視覺發展趨勢為何?

專家(查紅彬,陳熙霖,盧湖川,劉燁斌,章國鋒)從計算機視覺發展曆程、現有研究局限性、未來研究方向以及視覺研究範式等多方麵展開了深入的探討

音樂人工智能、計算機聽覺及音樂科技

音樂科技、音樂人工智能與計算機聽覺以數字音樂和聲音為研究對象,是聲學、心理學、信號處理、人工智能、多媒體、音樂學及各行業領域知識相結合的重要交叉學科,具有重要的學術研究和產業開發價值

讓大規模深度學習訓練線性加速、性能無損,基於BMUF的Adam優化器並行化實踐

Adam 算法便以其卓越的性能風靡深度學習領域,該算法通常與同步隨機梯度技術相結合,采用數據並行的方式在多台機器上執行

基於深度學習和傳統算法的人體姿態估計,技術細節都講清楚了

人體姿態估計便是計算機視覺領域現有的熱點問題,其主要任務是讓機器自動地檢測場景中的人“在哪裏”和理解人在“幹什麼”

傳統目標檢測算法對比

SIFT、PCA-SIFT、SURF 、ORB、 VJ 等目標檢測算法優缺點對比及使用場合比較

基於深度學習目標檢測模型優缺點對比

深度學習模型:OverFeat、R-CNN、SPP-Net、Fast、R-CNN、Faster、R-CNN、R-FCN、Mask、R-CNN、YOLO、SSD、YOLOv2、416、DSOD300、R-SSD

如何更高效地壓縮時序數據?基於深度強化學習的探索

大型商用時序數據壓縮的特性,提出了一種新的算法,分享用深度強化學習進行數據壓縮的研究探索

滴滴機器學習平台調度係統的演進與K8s二次開發

滴滴機器學習場景下的 k8s 落地實踐與二次開發的技術實踐與經驗,包括平台穩定性、易用性、利用率、平台 k8s 版本升級與二次開發等內容

人工智能和機器學習之間的差異及其重要性

機器學習就是通過經驗來尋找它學習的模式,而人工智能是利用經驗來獲取知識和技能,並將這些知識應用於新的環境

麵向動態記憶和學習功能的神經電晶體可塑性研究

神經形態結構融合學習和記憶功能領域的研究主要集中在人工突觸的可塑性方麵,同時神經元膜的固有可塑性在神經形態信息處理的實現中也很重要

CVPOS自助收銀的挑戰以及商品識別算法工程落地方法和經驗

針對結算收銀場景中商品識別的難點,從商品識別落地中的模型選擇、數據挑選與標注、前端和雲端部署、模型改進等方麵,進行了深入講解

內容流量管理的關鍵技術:多任務保量優化算法實踐

通過分析其中的關鍵問題,建立了新熱內容曝光敏感模型,並最終給出一種曝光資源約束下的多目標優化保量框架與算法
資料獲取
機器人開發
== 最新資訊 ==
國標《智慧城市 智慧多功能杆 服務功能與
人工智能之數據挖掘2020年第9期
噴霧消毒殺菌機器人
中國通信學會發布《全球人工智能基礎設施戰
創澤集團受邀參加工信部 AI 精準賦能中
人工智能案例 依圖科技:不斷崛起的AI
2020年麵向人工智能新基建的知識圖譜行
破解AI工程化難題,AI中台助力企業智能
淺析我國消防機器人發展現狀與趨勢 | 山
【華為出品】智能體白皮書2020
“先行示範•智贏未來” 創澤
創澤集團牽頭起草的全國首個《應用於滅菌消
創澤集團智能機器人新品發布會!多款自主研
AIIA2020人工智能開發者大會開幕
人工智能人才發展報告:亞太地區創新與招聘
== 機器人推薦 ==
迎賓講解服務機器人

服務機器人(迎賓、講解、導診...)

智能消毒機器人

智能消毒機器人

安防巡檢機器人

安防巡檢機器人

人工智能垃圾站

人工智能垃圾站


機器人招商 Disinfection Robot 機器人公司 機器人應用 智能醫療 物聯網 機器人排名 機器人企業 機器人政策 教育機器人 迎賓機器人 機器人開發 獨角獸 消毒機器人品牌 消毒機器人 合理用藥 地圖
版權所有 必威主頁 中國運營中心:北京 清華科技園九號樓5層 中國生產中心:山東日照太原路71號
銷售1:4006-935-088 銷售2:4006-937-088 客服電話: 4008-128-728

Baidu
map