提供永久免费的API接口，查看更多API接口，如果您有其他免费API资源，请联系我们，造福人类。

定制开发，免费评估，免费咨询，价格便宜，售后保障，前往开发服务中心或联系开发客服中心

有人说，机器人学是机器学习中最具挑战性的领域：即使是简单的事情，如移动一小段距离的机械臂，也是一项极其复杂的工程挑战。

你可以想象，应用机器学习使机械臂帮助人类穿上夹克是一项伟大的壮举

麻省理工学院的研究人员周一公布了一项研究的细节，他们展示了一个机器人手臂帮助人类的过程，并详细说明了为什么他们声称的这个过程对人类是安全的。

在演示中，机器人手臂握着一件背心，用人的右臂穿过袖窿，然后慢慢向上拉到肩膀上。发布在YouTube上的一段演示视频比较了手臂相对于传统工程方法的速度。

这项工作，由麻省理工学院博士生沈莉（主要作者）和Nadia Figueroa、Ankit Shah在一篇题为“人类机器人协作的不确定性下可证明安全有效的运动规划”的论文中详细介绍，朱莉A。预计将在2021年机器人学：科学和系统会议上发表 在某种意义上，机器人的运动问题可以概括为目标之间的张力，一个目标是直接的，一个目标是长期的。

直接的目标是避免对人类造成有害的情况。机器人在每一个时刻都必须小心，以避免与人发生碰撞，或尽量减少此类碰撞的有害影响。

在更长的时间内，机器人有一项任务要完成。它必须完成一些任务，在这种情况下，帮助一个人穿好衣服。

平衡这两个目标是麻省理工学院小组提出的挑战。

还有：远远超过AlphaZero：伯克利和谷歌的工作表明，机器人学可能是所有机器学习中最深刻的。

在Koller等人2019年的工作中，科学家们开发了一种被称为基于学习的模型预测控制算法，即“LBMPC”，其目标是让机器人避免与人类发生碰撞，同时找到到达给定任务的最有效路径。

基于Koller和同事所做的工作，Li和他的团队询问是否可能，与其完全避免碰撞，不如让机器人手臂继续与人发生碰撞可能是轻轻的敲击，而不是有害的打击。通过容忍所谓的安全碰撞，机械臂可以在不那么谨慎的情况下继续工作。

正如作者所说，他们是一个工程系统，机械臂不是避免所有接触，而是平衡其目标和安全目标：

为了在保持安全的同时减少系统的保守性，我们提出了一个安全的规划者，将预测性和反应性方法结合在一个框架内。我们的目标是让运动规划人员意识到低水平的兼容控制器，并利用小的撞击可能不会对人体有害这一事实，使规划人员能够在不牺牲安全的情况下产生更有效率的运动。

以Koller等人开发的LBMPC为例。，Li等人添加了一个人体和机器人位置和速度的模型，以计算在发生碰撞时两者的影响。作者们并不仅仅是自己做这件事，而是借用了文献中关于两种物体碰撞时什么样的摩擦力和什么样的速度是安全的。< < / P> < P >，特别是2003位澳大利亚国立大学、Jochen Heinzmann和Alexander Zelinsky的研究者。开发了一个冲击模型来定义什么是安全的。”这些安全限制限制了机器人在与人发生碰撞时的潜在冲击力，”海因兹曼和泽林斯基这样定义

根据手头安全的定义，Li等人能够修改Koller等人的LBMPC，这样它就不会总是只避免碰撞，而是选择可能导致安全碰撞的动作。

“据我们所知，这是第一个为人类-机器人系统提供具有认知不确定性的人体动力学模型的概率安全保证的工作，”正如李和团队所写。

在“概率”这个词上逗留片刻，了解提供什么和不提供什么是很重要的。

正在开发的算法，改进的LBMPC是人与机器之间可能发生的事情的概率模型。因此，这不是确定的，而是一种预测，即在由算法计算的交互作用中，某些结果“将以很高的概率保持”，正如它所说的那样。

那么，可证明的安全性是衡量机器人可能相对于人移动的不确定性。通过这种方式，允许一些可能无害的碰撞，可以容忍的不确定性的范围已经扩大了一点

重要的是要记住，可容忍的不确定性是在受控实验的狭隘限制范围内，在受控实验中，要做出许多假设。正如作者所描述的：

我们的实现依赖于以下假设，即我们为了规避几何学和计算机视觉的挑战而做出的假设：（1）人类的肩部位置是已知和固定的(2） 在整个任务中，人的肘部从不弯曲。在这些假设下，我们只需要跟踪人手的位置，就可以将手臂插值为手和肩位置之间的直线段。我们进一步假设，在整个操作过程中，人手保持完全可观察，并使用PhaseSpace运动捕捉系统[65]对其进行跟踪

和工作提出了一个更重要的假设，“我们假设人类在机器人规划时间内不会移动。”

所有这些警告都表明，当人类更具活力时，必须对发生的事情进行更多的建模，可以说，减少了对交互的限制。

李等人的一个诱人的想法是，通过使他们的系统被认为是安全的，他们正在减轻人类对系统的接受

作者写道：“有趣的是，我们的研究对象指出，当机器人运行我们的算法时，她感觉比只进行避碰的机器人更舒服。”一种解释是，在无法严格避免避碰的情况下，我们的算法优化了速度和安全碰撞。安全碰撞配方可能会改善[人-机器人交互]HRI的心理方面，除了安全保障之外，“

Fortive以12亿美元收购设施管理云软件制造商ServiceChannel

谷歌超模：DeepMind Perceiver是迈向AI机器的一步，它可以处理任何东西

交易台推出了“Solimar”版本，以提高广告商的目标设置

Micron Technology会看到DRAM，NAND需求控股公司，到2022年供应紧张

通过注册，您同意使用条款，并承认隐私政策中概述的数据实践。

您还将收到免费订阅的ZDNet今日技术更新和ZDNet公告时事通讯。您可以随时取消订阅这些时事通讯。

您同意接收CBS系列公司的更新、提醒和促销活动，包括ZDNet的今日技术更新和ZDNet公告时事通讯。您可以随时取消订阅

2023-03-22 10:04:37