机器人技术研究人员面临的一个主要挑战是开发一种系统,该系统可以在涉及不同程度不确定性的情况下与人类及其周围环境进行交互。实际上,尽管人类可以不断地从经验中学习并在与世界互动时感知整体的身体,但是机器人还没有这些能力。
慕尼黑工业大学的研究人员最近进行了一项雄心勃勃的研究,在该研究中,他们试图将“主动推理”(一种描述了将感知和动作结合在一起的能力的理论构造)应用于类人机器人中国机械网okmao.com。他们的研究是欧盟资助的更广泛的项目SELFCEPTION的一部分,该项目将机器人技术与认知心理学联系在一起,旨在开发更具感知力的机器人。
进行这项研究的研究人员之一帕勃罗·兰尼洛斯(Pablo Lanillos)告诉TechXplore :“引发这项工作的最初研究问题是,要向类人机器人和人造制剂提供一般的感知能力,就像人类一样。” “主要目标是提高他们在不确定情况下进行交互的能力。在Selfception.eu MarieSk?odowska-Curie项目的保护下,我们最初定义了一个路线图,将人类感知和动作的某些特征纳入机器人之中。”
Lanillos和他的同事们在研究中试图更好地理解人类的感知,然后将其建模为类人机器人。事实证明,这是一项非常艰巨的任务,因为人类如何处理感官信息(视觉,触觉等)的许多细节仍然未知。研究人员从赫尔曼·冯·亥姆霍兹(Hermann Von Helmholtz)和卡尔·弗里斯顿(Karl Friston)的工作中汲取了灵感,尤其是他们的主动推理理论,这是最具影响力的神经科学体系之一。
参与这项研究的另一位研究者吉列尔莫·奥利弗(Guillermo Oliver)表示:“从本质上讲,我们建议该机器人使用其不完善的学习模型来不断逼近其身体。” “基于自由能原理的算法提出了实现共同目标的感知和动作:减少预测误差。在这种方法中,动作使感觉数据更好地与内部模型的预测相对应。”
Lanillos,Oliver和Gordon Cheng教授是第一个将主动推理应用于真实机器人的人。实际上,到目前为止,主动推理仅在理论上或在模拟过程中进行了测试,而这些模拟由于所使用模型的简化而部分地受到了偏颇。
他们的方法试图重现人类在特定情况下改变其行为(例如,步态)的能力,例如,当他们接近地铁自动扶梯时,突然发现它已损坏或无法使用,并相应地调整其动作。Lanillos,Oliver和Cheng开发的感知和控制算法在机器人中复制了类似的机制。
例如,在机器人需要触摸物体的伸手可及的任务中,模型会在所需的手部位置产生错误,从而触发对物体的动作。当机器人的手和物体位于同一位置时,将获得平衡(或最小化)。
奥利弗说:“这种方法在机器人技术界很少见,但具有易处理性,可以结合不同来源的感官信息,并可以根据精度调整每种传感器信息的可靠性。”
研究人员将他们的算法应用到了iCub(一种开源认知人形机器人)中,该机器人是另一个欧盟资助项目的一部分,并在涉及双臂伸入和主动头部跟踪的任务中评估了其性能。在他们的测试中,该机器人能够执行高级且稳定的到达行为,并在其视野中主动跟踪对象。
奥利弗说:“类人机器人能够使用相同的数学模型执行强大的双臂到达和视觉跟踪任务。” “通过这种算法,我们希望通过执行闭环感知的想法来改变输入输出感知管道的当前视图(例如,最新的神经网络),在此过程中,前向和后向传递都是在线处理的,并将动作作为另一个必然变量。”
Lanillos,Oliver和Cheng是最早在自由人形机器人上基于自由能原理实现模型的模型。他们的发现表明,可以在现实环境中验证此类模型,以及在存在嘈杂的感官信息,遮挡或仅提供部分信息的情况下分析这些模型的优势时也可以进行验证。研究人员现在计划将其模型应用于其他机器人并测试其通用性。
Lanillos说:“从长远来看,我们希望能够开发出具有与人类相同的身体适应能力和互动能力的人工制剂。” “与此同时,我们正在开发新的生物启发式人工智能算法。将来,我们还将使用此模型来研究身体所有权和代理权,而且谁知道,我们有一天可能会在机器中实现自我识别。”