Forskare över hela världen utbildar nu robotagenter för att hjälpa människor i en mängd olika manuella uppgifter, inklusive matlagning och att flytta föremål. Även om många av dessa robotar har uppnått lovande resultat, de flesta av dem är fortfarande oförmögna att slutföra de uppgifter som tilldelats dem så snabbt som en människa skulle göra.

Till exempel, de flesta robotar som tränats för att hämta föremål och bära dem till människor är ganska långsamma med att uppfylla användarförfrågningar, vilket gör dem svåra att implementera i stor skala. Detta beror främst på att det kan vara mycket utmanande att träna konstgjorda medel på manipulationsuppgifter, eftersom dessa uppgifter tenderar att involvera både uppfattning och planering, som tillsammans kan förhindra kollisioner medan roboten rör sig i sin omgivande miljö.

Forskare vid Korea Advanced Institute of Science and Technology (KAIST) har nyligen skapat M-Hubo, en hjulförsedd humanoid robot som klarar enkla dagliga uppgifter snabbare än andra tidigare utvecklade robotar. Den nya roboten, presenteras i en tidning förpublicerad på arXiv, kan visa sig vara särskilt användbart för att hjälpa äldre och individer som har svårt att gå runt i huset eller utföra grundläggande sysslor självständigt.

"Vi utvecklade en ny, helt autonomt robotiskt butlersystem för en humanoid med hjul, " skrev forskarna i sin uppsats. "I detta arbete, vi fokuserar på en speciell applikation för serviceroboten:att hämta och servera drycker med jämförbara mänskliga hastigheter i en statisk inomhusmiljö."

För att framgångsrikt hämta ett givet objekt och lämna det till en mänsklig användare, tjänsterobotar måste först kunna känna av vad som händer i deras omgivning i realtid, genererar rörelsebanor som förhindrar kollisioner med närliggande föremål. Detta kan vara mycket svårt att uppnå, särskilt i situationer där miljön är dynamisk (dvs. ständigt förändras) eller när dess struktur är okänd för roboten.

För att möta denna utmaning, forskargruppen vid KAIST utvecklade en ny designstrategi som innebär integration av en 3D-objektdetekteringspipeline med en kinematiskt optimal manipulationsplanerare. Denna unika strategi visade sig minska den tid som M-Hubo-roboten behöver för att hämta en dryck för en mänsklig användare, öka hastigheten med vilken den bearbetade information om sin omgivning och planerade banor.

"Det föreslagna systemet utförde med 24 procent av den hastighet en människa behöver för att utföra samma uppgift, " skrev forskarna i sin uppsats. "Systemet visade en hög framgångsfrekvens på 90 procent i vår miljökonfiguration, men återspeglade en reducerad prestanda på 80 procents framgångsfrekvens i en mer dynamisk offentlig utställning på grund av miljövariationer under tiden."

Forskarna vid KAIST har nyligen utvärderat och visat upp sitt robotbaserade butlersystem på en offentlig utställning. I framtiden, designstrategin i kärnan av M-Hubo skulle kunna informera utvecklingen av nya servicerobotar som kan utföra enkla uppgifter snabbare och mer effektivt. Dessutom, när det väl är fulländat, M-Hubo kan visa sig vara ett särskilt användbart verktyg för att ge grundläggande hjälp till äldre, såväl som andra individer med begränsad rörlighet.

I sina nästa studier, forskarna skulle vilja lägga till en lokaliseringskomponent till roboten, eftersom detta skulle göra det möjligt för den att snabbt hämta objekt både i statiska och dynamiska miljöer. För att uppnå detta, de skulle behöva utrusta roboten med ett verktyg för dynamisk vägplanering och en arbetsplanerare på hög nivå, ersätta den enkla finita tillståndsmaskinen (FSM) som de använde i demoversionen av M-Hubo.

"Dessutom, lärandestrategier kan användas i framtiden för att minska misslyckanden, oklarheter, och osäkra tillstånd, för att i slutändan öka framgångsfrekvensen, " skrev forskarna. "Sistligen, den totala exekveringstiden kan reduceras ytterligare även i dynamiska miljöer genom att inkludera snabbare samplingsrörelseplanerare."

© 2020 Science X Network