vr|ar|虚拟现实
现如今,机器人被越来越多地应用于制造业和仓储物流领域。但是,在这些工作环境中,工作人员与机器人的活动空间通常被隔离开。因此,如何使人类与机器人之间产生互动尤为重要。
人类与机器人的交流方式不同。具体来说,人类习惯使用语言和手势进行交流。而机器人则以数字形式交换信息,如,文本命令。这有可能导致人类与机器人之间的交流产生偏差。
增强现实(AR,Augmented Reality)技术能够将机器人的行为可视化,从而弥补机器人与人类之间的沟通障碍。不仅如此,AR 还提供了高带宽和模糊性低的可替代通信机制。
目前,基于 AR 的可视化系统都是由人工设计的,会出现可视化信息太多或太少的情况。当可视化信息太少时,用户会发现 AR 界面无法发挥作用;当可视化信息过多时,对用户来说,处理相应的信息便相对困难。
为了使人类与多机器人之间能够产生更好的交互体验,研究者用模仿学习方法实现了 AR 的智能化,开发出名为“模仿学习式 AR 可视化”(VARIL,Visualizations for Augmented Reality using Imitation Learning)技术框架。
美国纽约州立大学宾汉姆顿分校计算机科学系在读博士生基山·坚登(Kishan Chandan)、本科生杰克·艾伯森(Jack Albertson)、张世琦教授为论文作者。
VARIL 技术辅助人与机器人之间进行有效互动
VARIL 技术能够辅助人与机器人之间进行有效的互动。它通过分析机器人和人的状态决策哪些信息、什么时间、以什么形式被可视化。
图 | VARIL 框架(来源:CoRL)
具体来讲,VARIL 技术可以用 AR 接口同时跟踪多个机器人状态、动态选择 AR 可视化动作,包括 AR 帮助搬运工人感知机器人的位置和规划运动轨迹等。
在 VARIL 中有两个不同的人类实体,一个是人类工作者的角色,另一个是人类专家。假设一组机器人与一个人类在同一空间工作。这组机器人不断使用 AR 接口共享状态和计划。与此同时,人类能够使用该 AR 接口跟踪机器人团队的状态。
人类工人与机器人团队合作,同时完成任务。在进行 VARIL 技术演示的过程中,人类专家参与进来,负责指示在特定时间内可视化(或不可视化)哪些信息。
一旦生成新的策略,AR 智能设备就会更新可视化信息,模仿人类专家演示者建议的操作。值得注意的是,专家只在策略学习阶段参与进来,一旦智能设备学习到相关的策略,就不再需要人类专家。
在不同的 AR 可视化策略下完成任务
论文中提到,为探究虚拟人与机器人在不同的 AR 可视化策略下完成任务的情况,研究人员创建出用于模拟仓库环境的演示平台(具有内置实验室)。平台不仅便于人类与机器人相互协作,而且可以对 VARIL 框架进行经验评估。
图 | 虚拟人与机器人在不同的 AR 可视化策略下完成任务(来源:CoRL)
在虚拟的仓库环境中,研究人员设定 12 个机器人与 1 个虚拟人类合作完成系统交付的任务。机器人的任务是将物体运送到不同的地点(卸货站),人类帮助等待在卸货站的机器人卸货。
图 | 两种不同规模的仓库环境(来源:CoRL)
在没有 AR 可视化的情况下,人类工人无法获取机器人的位置以及了解机器人计划做什么;在 AR 完全可视化的情况下,虚拟人类可能会被视觉指标淹没;在模仿学习 AR 可视化(VARIL)的情况下,AR 软件机器人使用学习到的策略,根据人类和机器人的交互动态确定可视化策略。
完成任务后,研究人员收集了 6000 个“状态-动作”成对数据集。他们还用迭代模仿学习算法在该数据集中训练 AR 智能化设备。
然后,他们将两种可视化策略进行了比较。结果表明,随着模仿学习迭代次数的增加,行动与策略之间的冲突急剧减少。此外,初始策略与训练后获得的策略相比,后者可减少机器人的等待时间。
之后,研究者还用 25 个真实参与者评估了 VARIL 是如何影响用户体验的。在仓库中,每个参与者都被要求操作一个虚拟人,并填写一份主观评价调查问卷。
图 | ARROCH 和 CRMIAR 两种可视化系统(来源:CoRL)
真实人类参与者的实验结果表明,与文献中的两种可视化系统(对照组)生成的基线相比,VARIL 技术能够显著提高人类与机器人交互效率,同时减少人类用户的分心水平。
除了定性评估外,研究者还比较了人类学习期间的任务完成时间。结果显示,VARIL 技术能够使人类与多机器人协作团队的任务完成效率显著提升,使机器人等待卸货的时间降低了 15%。
虽然研究人员使用机器人演示 AR 人机交互系统,但是在真实世界中构建和评估这种系统十分困难。
因为,人类工作人员需要在投递站之间行走。在投递站中,每个导航操作都可能需要很长时间。更复杂的是,机器人需要实时合作来完成任务,如果其中一个机器人被困在动态障碍上,可能会提前终止试验。
开源模拟器可以模拟仓库环境,避免出现上述问题。尽管这样的模拟器并不能克服人机协作的所有挑战,但它能够令 AR 研究人员专注于设计算法,而不是繁琐的软件开发工作。
未来,研究团队还将通过问卷调查的方式进一步评估 VARIL 的用户体验,并优化 VR 人机协作系统。
参考资料
Kishan Chandan,Jack Albertson, Shiqi Zhang,CoRL,(2022).https://kishanchandan.github.io/varil.html
编辑:黄飞
全部0条评论
快来发表一下你的评论吧 !