雷竞技rebat机器人与人工智能前沿|类人机器人部分|最新文章

内在动机学习在真实机器人中的应用

拉尼娅Rayyes — 2023 - 02 - 10 - t00:00:00z

通过交互的网络物理人来理解和合成具有丰富接触的拟人动作

本片吉田 — 2022 - 12 - 01 - t00:00:00z

这篇文章介绍了通过一个名为“交互式网络物理人(iCPH)”的平台来理解和合成拟人化的全身接触运动的研究挑战，用于数据收集和增强。iCPH平台将人形机器人作为人类的“物理双胞胎”和在网络空间模拟人类和机器人的“数字双胞胎”结合在一起。通过利用先进的基于模型的分析和数据驱动的学习来利用iCPH综合平台收集的数据，介绍了几个关键的研究课题来应对这一挑战。一般描述的定义被确定为第一个主题，作为人类和类人类兼容的接触运动的共同基础。然后，我们将可行接触运动网络的持续学习作为第二个挑战，受益于基于模型的方法和由作者及其合作者开发的高效分析梯度计算桥接的机器学习。最终目标是建立一个高级符号系统，允许在没有经验的环境中自动理解和生成接触动作。所提出的方法仍在调查中，作者希望这篇文章能引发不同研究团体的讨论和进一步的合作，包括机器人、人工智能、神经科学和生物力学

通过对话式机器人的实际实现研究交互式机器人架构

港隆史 — 2022 - 10 - 11 - t00:00:00z

这项研究展示了一个自主的安卓机器人，可以与人类进行自然的日常对话。日常对话的对话系统与任务导向的对话系统不同，它没有明确的目的或必要的信息。也就是说，它需要在人类没有明确要求的情况下生成话语。因此，要使对话内容保持一致，就必须从本质上改变对话管理的设计策略，与现有的对话系统相比较。我们的研究目的是通过实现一个能够进行日常自然对话的自主对话机器人，建设性地找出实现日常对话的对话系统架构。我们定义了机器人日常对话所必需的欲望和对话管理系统，在对话管理系统中，机器人根据欲望和伙伴的行为改变其内部(精神)状态，并选择适合当前情况的对话主题。所开发的机器人可以在实验中机器人与伙伴第一次见面的场景中继续日常对话10分钟左右。此外，多模态图灵测试显示，有一半的参与者在某种程度上感觉机器人是被远程控制的，也就是说，机器人的行为与人类相似。这一结果表明，本研究假设的系统构建方法是实现日常对话的有效途径，本研究讨论了日常对话的系统架构

社交机器人在支持儿童语言和识字学习中的社会/对话角色——创新角色的回顾和分析

Katharina J. Rohlfing — 2022 - 10 - 05 - t00:00:00z

设计社交机器人的许多目的之一是教育，并且已经有许多尝试将它们在这一领域的潜力系统化。这些尝试的共同点是，认识到学习可以通过各种方式得到支持，因为学习者可以参与不同的促进学习的活动。到目前为止，在为机器人设计这些活动时，已经提出了三种角色:教师或导师，学习同伴，或新手。目前的研究表明，选择哪种角色取决于教学内容或首选的教学形式。然而，活动的设计不仅改变了学习的内容，还改变了人与机器人社会关系的性质。这在语言学习中尤为重要，因为语言学习已被公认为是一项社会努力。下面的综述旨在详细说明当儿童通过与社交机器人互动学习语言时，人与机器人社会关系的差异。在提出了比较这些不同关系的类别之后，我们回顾了机器人在语言学习场景中可以扮演的既定的、更具体的、创新的角色。这遵循了Mead (1946)的理论方法，提出社会角色是在互动行为中执行的。这些行为对学习至关重要，因为它们不仅可以塑造学习的社会环境，而且还能在不同程度上吸引学习者。 We specify the degree of engagement by referring to Chi’s (2009) progression of learning activities that range from active, constructive, toward interactive with the latter fostering deeper learning. Taken together, this approach enables us to compare and evaluate different human–robot social relationships that arise when applying a robot in a particular social role.

编辑:智能机器人和系统的人体运动理解

Taizo Yoshikawa — 2022 - 08 - 17 - t00:00:00z

有两种方法可以让你的机器人变得主动:推理人类的意图或推理可能的未来

血清Buyukgoz — 2022 - 08 - 15 - t00:00:00z

与人类共享空间的机器人需要积极主动地提供帮助。积极主动的机器人可以主动行动，以一种预期的方式造福人类。在这项工作中，我们研究了两种使机器人主动的方法。一种方法是认识到人类的意图，并采取行动去实现它们，就像打开你即将穿过的门一样。另一种方法是推断未来可能的威胁或机会，并采取行动预防或促进它们，比如在预报有雨时建议你带把伞。在本文中，我们将介绍实现这两种类型的主动行为的方法。然后，我们提出了一个集成系统，可以通过推理两个因素产生主动的机器人行为:意图和预测。我们用一个包括家用机器人和人类的示例用例来说明我们的系统。我们首先用两个独立的主动系统(基于意图和基于预测)运行这个用例，然后用我们的集成系统运行它。结果表明，集成系统能够考虑主动性所需的更广泛的方面

优化动态坐姿-站立轨迹以评估人形机器人REEM-C的全身运动性能

Felix通向 — 2022 - 06 - 28 - t00:00:00z

为了使类人机器人在实验室环境之外的应用，两足动物必须满足一定的要求。这些特别包括应对动态运动，如爬楼梯或坡道或在不规则地形上行走。从坐到站的转换也属于这一类。除了实际应用，如下车或坐到桌子旁后站起来，这些动作在绩效评估方面也有好处。因此，它们长期以来一直被用作人类的运动医学和老年医学评估。在这里，我们使用最优控制开发了最优的坐到站轨迹，其特点是其动态和类人的性质。我们在人形机器人REEM-C上实现了这些动作。基于获得的传感器数据，我们提出了基于两种不同实验协议的统一基准测试程序。这些协议的特点是对下肢表现的不同方面进行量化的难度越来越大。我们使用两类指标报告REEM-C获得的绩效结果:评估整体绩效的主要、场景特定指标(椅子高度和脚踝到椅子的距离)和进一步描述绩效的辅助、一般指标。 The latter provide a more detailed analysis of the applied motion and are based on metrics such as the angular momentum, zero moment point, capture point, or foot placement estimator. In the process, we identify performance deficiencies of the robot based on the collected data. Thus, this work is an important step toward a unified quantification of bipedal performance in the execution of humanlike and dynamically demanding motions.

编辑:现实世界应用的人形机器人

负责人Kanehiro文雄 — 2022 - 06 - 07 - t00:00:00z

REEM-C类人机器人Buzzwire任务基于优化的运动生成

彼得·q·李 — 2022 - 06 - 03 - t00:00:00z

Buzzwire任务通常被用作精细运动技能和高精度路径跟踪的基准和训练环境。这些任务要求以无碰撞的方式沿着任意形状的金属丝障碍物移动金属丝环。虽然已经有一些使用强化学习和导纳控制的机器人操纵器的buzzwire任务演示，但似乎没有任何人形机器人的例子。在这项工作中，我们考虑这样的场景:我们控制REEM-C类人机器人的一只手臂，其他关节固定，作为最终全身控制的基础。为了实现这一点，我们设计了一个最优控制问题，生成轨迹，以时间优化的方式解决buzzwire。这由防止与buzzwire障碍物碰撞的任务空间约束、机器人的物理限制以及在减少时间和增加碰撞边际之间进行权衡的目标函数组成。该公式可应用于一组非常普通的线材形状，目标和任务约束可适用于其他硬件配置。我们使用REEM-C类人机器人的手臂来评估这一公式，并提供了生成的轨迹如何在模拟和硬件上执行的分析

用最小认知网格分析仿生系统的解释力

安东尼奥Lieto — 2022 - 05 - 30 - t00:00:00z

在这篇文章中，我认为混合仿生系统的人工组件不发挥直接的解释作用，即，在模拟术语中，在系统的整体上下文中，它们被嵌入其中。更准确地说，我认为，决定这种人工设备的输出、取代生物组织并与其他生物组织连接的内部程序，不能用来直接解释它们所替代的生物组件的相应机制(因此不能用来解释决定这种仿生模型所复制的整体生物或认知功能的局部机制)。我将这一分析基于最小认知网格(MCG)的使用，这是Lieto(人工思维的认知设计，2021)提出的一种新框架，用于对生物学和认知启发的人工系统的认识论和解释状态进行排名。尽管人工组件缺乏这种直接的机械解释，然而，我也认为，混合仿生系统可以具有间接的解释作用，类似于使用整体结构设计方法构建的一些人工智能系统所扮演的角色(但包括部分采用功能组件)。特别是，人工替换生物系统的部分可以提供i)在生物-人工混合系统的整体功能背景下对该部分的局部功能解释，以及ii)关于与这种人工设备相连的生物元素的结构机制的全球见解

面向机器人的人格AI:目标型生成型人格模型通过类人机器人的非语言行为表达人格时的潜在群体能力

Liangyi罗 — 2022 - 05 - 11 - t00:00:00z

工程机器人的个性是多重的挑战。每一个与人类互动的机器人都是一个独立的实体存在，可能需要它们自己的个性。因此，机器人人格工程师面临着一个与人格心理学家相反的问题:机器人人格工程师需要将一批相同的机器人制作成个体人格，而不是对已经存在的个体人格进行全面而简约的描述。迄今为止，机器人人格研究在证明机器人人格的积极影响方面取得了丰硕成果，但在如何大量设计机器人人格方面却没有取得丰硕成果。要为批量生产的机器人设计机器人人格，我们需要一个生成型人格模型，该模型具有一个结构，可以将机器人的个体特征编码为人格特征，并生成具有反映这些特征的个体间和个体内差异的行为。我们提出了一个由目标塑造的生成型人格模型，作为我们一直在努力的机器人人格AI的一部分，我们进行了测试，以调查当模型被用于表达人格时，它实际上可以支持多少个人人格，<斜体>通过<斜体>在人形机器人的头部上的非语言行为

机器人辅助穿衣过程中认知过载和干扰对人体运动影响的研究

安东内拉·卡米尔·拉斯泰利 — 2022 - 05 - 03 - t00:00:00z

对于能够提供物理帮助的机器人来说，保持机器人和人类运动的同步性是交互安全的前提。现有的协作性HRI研究没有考虑如果人类在亲密的身体互动中遭受认知过载和分心，同步性会受到怎样的影响。认知神经科学研究表明，交互过程中的意外事件不仅影响动作认知，还影响人类运动控制Gentsch et al.(认知，2016,146,81-89)。如果机器人要安全地调整其轨迹以适应分心的人类运动，则应评估人类运动的定量变化。这项研究的主要贡献是分析和量化在涉及机器人辅助穿衣的物理协作任务中中断的人类运动。量化中断的运动是保持人机交互的同步性的第一步。从一系列实验中收集的人体运动数据，参与者在人机交互过程中受到认知负荷和干扰，被投影在二维潜在空间中，有效地代表了数据的高维性和非线性。定量数据分析由用户体验的定性研究支持，使用NASA任务负载指数来衡量感知的工作量，并使用PeRDITA问卷来代表这些交互过程中的人类心理状态。此外，我们提出了一种实验方法来收集这种类型的人-机器人协作中的交互数据，该方法提供了场景中人-机器人交互的真实性、实验严谨性和高保真度

基于捕获能力预测的人体步进-制动控制器辨识

三春小岛 — 2022 - 04 - 28 - t00:00:00z

通过对人体主体的运动测量，确定了人类的步进和制动控制器的明确数学形式。该控制器是基于降阶动力学和末端可捕获条件下的模型预测控制方案设计的双足机器人控制器，可同时适应站立和步进运动。最小数量的参数有利于从测量的质心轨迹和人体主体的零力矩点进行识别。尽管结果最小，但在考虑了自然下落速度的方向依赖性和围绕质心的惯性力矩的情况下，对模型进行了轻微的修改，结果才很好地适应了人的行为。此外，甚至从运动序列的前半部分成功地识别了参数，这意味着所提出的方法可用于设计动态系统，以评估人类的平衡能力，并帮助人类在行走中保持平衡

从人与人握手的运动细微差别看机器人与人类握手的指导方针

John-John Cabibihan — 2022 - 03 - 28 - t00:00:00z

几个世纪以来，在许多文化中，握手是最被接受的问候手势。迄今为止，机械臂还不能完全复制这一典型的人类手势。使用多个传感器来检测接触力和位移，我们描述了握手过程中发生的运动。一个典型的人与人之间的握手大约需要3.63秒(SD = 0.45秒)。它可以分为三个阶段:到达(M = 0.92 s, SD = 0.45 s)、接触(M = 1.96 s, SD = 0.46 s)和返回(M = 0.75 s, SD = 0.12 s)。进一步研究握手的细微动作。采用多相猛摇最小化模型，平滑的人与人握手在接触阶段可以用五次或四次多项式建模，在接触阶段可以用指数衰减的正弦函数建模。我们表明，接触阶段(1.96 s)可以根据以下子阶段进一步划分:前摇(0.06 s)，主摇(1.31 s)，后摇(0.06 s)，以及双手缩回之前的无运动时期(0.52 s)。我们将其与现有的人机物理交互(pHRI)握手模型进行了比较。根据我们在人与人握手中的发现，我们提出了人形机器人和他们的人类伴侣之间更自然握手的指导方针

计算机实现的语音生成发音模型:综述

Bernd J. Kröger — 2022 - 03 - 08 - t00:00:00z

语音生成和语音清晰度建模仍然是一个不断发展的研究课题。目前的一些核心问题是:控制语音发音的底层(神经)组织是什么?如何以一种高效而又生物学上真实的方式模拟嘴唇和舌头等语音发音器及其运动?如何开发高质量的发音-声学模型，从而实现高质量的发音语音合成?因此，一方面，计算机建模将帮助我们揭示语音产生的潜在生物学和声学-发音概念，另一方面，进一步的建模工作将帮助我们在更详细的声道声学和语音发音知识的基础上实现高质量的发音-声学语音合成。目前的发音模型还不能达到基于语料库的语音合成的质量水平。此外，基于生物力学和神经肌肉的方法很复杂，仍然不能用于句子级语音合成。本文列出了许多计算机实现的发音模型，并提供了将发音模型划分为不同类别的标准。最近的一个主要研究问题，即如何控制发音模型在神经生物学适当的方式进行了详细讨论。可以得出的结论是，为了测试定量的基于神经生物学的语音发音控制概念，以及揭示人类发音和声音信号产生的其余细节，非常需要进一步开发发音-声学模型。 Furthermore, these efforts may help us to approach the goal of establishing high-quality articulatory-acoustic as well as neurobiologically grounded speech synthesis.

对TALOS人形机器人的全身控制器进行基准测试

n Ramuzat — 2022 - 03 - 04 - t00:00:00z

本文介绍了三种应用于商用TALOS人形机器人的控制方案的比较。目的是强调在三个运动问题上应用的每个模型的优点和缺点:在平坦和非平坦的地形上行走和爬楼梯。不同的模型是基于位置控制(第一和第二模型)或扭矩控制(第三模型)。第一个在速度水平上使用了层次二次规划。第二种方法在加速级使用了一个名为任务空间逆动态(Task Space Inverse Dynamic, TSID)的加权二次程序。最后，最后一个也使用TSID，但在扭矩水平。在Gazebo仿真中比较了控制器的跟踪精度、能量消耗和计算时间执行

基于人形机器人COM-ZMP模型的人体行走平衡控制器辨识

Taizo Yoshikawa — 2022 - 02 - 24 t00:00:00z

这项研究的目的是建立一种技术，使支持人类运动的可穿戴机器人系统保持稳定的平衡。通过扩展我们对传统人类步态分析技术和机器人技术的了解，我们将建立一种可以估计人类平衡状态的技术。为了构建基于类人机器人平衡控制技术的人体平衡状态估计技术，我们与大阪大学进行了联合研究。我们将类人机器人的控制知识应用到人体的步进和制动运动中，并使用运动捕捉系统和地板反作用力传感器系统测量的数据验证了平衡控制模型的有效性。为了构建基于类人机器人平衡控制技术的人体平衡状态估计技术，我们与大阪大学进行了联合研究。我们将类人机器人的控制知识应用到人体的步进和制动动作中，建立人体平衡控制模型。利用运动捕捉系统和地板反作用力传感器系统的实测数据，验证了平衡控制模型的有效性。为了了解人体行走的状态，对人体行走运动进行了运动捕捉测量并进行了详细分析。根据步态分析技术的规范，我们将人体步行和制动运动的平衡控制模型扩展为包含连续直线行走和行走过程中方向变化的步态模型。利用运动捕捉系统和地板反力传感器系统验证了所构建的平衡控制模型的有效性

基于解耦驱动SLIP模型的地形盲双足机器人快速在线优化

科王 — 2022 - 02年- 18 - t00:00:00z

我们提出了一种在线优化算法，使双足机器人能够在抗推的情况下盲目地走过各种不平坦的地形。该优化算法利用解耦驱动弹簧负载倒立摆(aSLIP)模型实现了高水平的脚步位置和质心高度变化的运动规划。该模型在水平状态下采用线性倒立摆动力学，在垂直状态下采用弹簧动力学，对原有的滑移模型进行了简化。运动规划可以表述为离散时间模型预测控制(MPC)问题，并在1 kHz频率下求解。运动规划器的输出被输入一个基于逆动力学的全身控制器，用于在机器人上执行。该控制器的一个关键结果是机器人的脚是柔韧的，这进一步扩展了机器人对未观察到的地形变化的鲁棒性。我们在双足机器人滑块的仿真中评估了我们的方法。结果表明，该机器人可以在斜坡、波场、楼梯等各种不均匀地形上盲目行走。它还可以在不平坦的地形上行走时抵抗高达40牛的推力，持续时间为0.1秒

HR1机器人:医疗保健应用的助手

瓦伦蒂娜瓦斯科 — 2022 - 02 - 07 - t00:00:00z

根据世界卫生组织^1，²依赖医疗保健的人口，如老年人和残疾人等的百分比将在未来几年增加。这一趋势将给大多数国家的卫生和社会系统带来压力。采用机器人可以帮助这些卫生系统应对这种增加的需求，特别是在高强度和重复性任务中。在之前的工作中，我们比较了社会辅助机器人(SAR)和虚拟代理(VA)在执行康复任务期间的情况。SAR由一个人形R1机器人组成，而虚拟代理代表它的模拟对手。在这两种情况下，代理评估参与者的动作并提供口头反馈。参与者报告说，在使用SAR进行训练时，他们的参与度更高。鉴于该架构已被证明对康复任务是成功的，其他重复性任务也可以利用该平台，如临床测试。一种常见的临床试验是Timed Up and Go (TUG)，患者必须站起来，走3米到球门线，然后坐下来。为了处理这个测试，我们扩展了架构来评估下肢的运动，在与参与者持续互动的同时跟踪他们，并验证测试是否成功完成。我们在Gazebo中实现了该场景，通过模拟参与者和机器人的交互³。 A full interactive report is created when the test is over, providing the extracted information to the specialist. We validate the architecture in three different experiments, each with 1,000 trials, using the Gazebo simulation. These experiments evaluate the ability of this architecture to analyse the patient, verify if they are able to complete the TUG test, and the accuracy of the measurements obtained during the test. This work provides the foundations towards more thorough clinical experiments with a large number of participants with a physical platform in the future. The software is publicly available in the assistive-rehab repository⁴ and fully documented.

ExGenNet:学习使用面部表情识别生成机器人面部表情

Niyati拉瓦尔大声回答 — 2022 - 01 - 04 - t00:00:00z

在人机交互中，机器人产生适当面部表情的能力是感知社会性的一个关键方面。然而，许多现有的方法依赖于使用一组固定的、预编程的联合配置来生成表达式。自动化这一过程提供了潜在的优势，可以更好地扩展到不同的机器人类型和各种表达式。为此，我们介绍了ExGenNet，一种用于类人机器人面部表情的新型深度生成方法。ExGenNets连接了一个生成器网络，用于从机器人关节配置与分类器网络重建简化的面部图像，用于最先进的面部表情识别。通过分类网络和生成器网络，对预测表达式和预期表达式之间的损失进行反向传播，从而优化机器人的关节配置。为了改善人类训练图像和不同机器人图像之间的传输，我们建议在分类器和生成器网络中使用提取的特征。与大多数关于面部表情生成的研究不同，ExGenNets可以为每个面部表情生成多个配置，并在机器人之间传输。对两个具有高度相似人脸的机器人Alfie (Furhat Robot)和android机器人Elenoide的实验评估表明，ExGenNet可以成功地为这两个机器人的预定义面部表情生成关节配置集。ExGenNet生成逼真面部表情的能力在一项试点研究中得到了进一步验证，其中大多数人类受试者可以准确地识别出这两个机器人上生成的大部分面部表情