“算法告诉机器人附近的人类在哪里”

年，麻省理工学院和汽车制造商宝马公司的研究人员正在测试人类和机器人接近汽车零部件组装时可能工作的方法。 在工厂车间设置的复制品中，该团队在轨道上安装了机器人，用于员工站之间交付零件。 而且，人类员工经常通过那个路径去附近的车站工作。

一个身体经过，机器人就被编程暂停。 但是研究人员观察到，机器人常常在一个身体越过其路径之前冻结，过于谨慎。 如果这种情况发生在实际的制造环境中，则这种不必要的姿势可能会大幅低效地积累。

该团队将问题追溯到了机器人运动预测软件中采用的机器人轨迹排序算法的极限。 他们可以合理地预测一个物体的前进方向，但由于时间错开，算法无法预测该人在预测路径上的哪些消耗是长期的。 在这种情况下，一个身体需要停止多长时间，然后再次返回双重跨越机器人的路径。

目前，同一麻省理工学院团队的成员提出了一种实时、准确对齐轨迹部分的算法，使运动预测器能够准确预测人类的运动时间。 当他们把新算法应用于宝马工厂的实验时，他们发现当人们再次行走时，机器人只是一边翻滚一边安全地离开了，不是冻结了。

麻省理工航空空太空副教授julie shah表示，用该算法构建的组件有助于机器人理解和监视运动中的停止和重复，这是人体运动的中心部分。 这项技术是我们致力于让机器人更好地了解人们的许多方法之一。

包括shah和她的同事、项目负责人和研究生przemyslawpemlasota在内，本月将在德国机器人:科学和系统会议上展示他们的成果。

凝聚的

为了让机器人预测人体的运动，研究者一般从音乐和声音的解决中借用算法。 这些算法旨在对齐两个完整的时间序列或相关数据集，如音乐表演的音轨及其乐曲乐谱的滚动视频。

研究人员使用同样的对齐算法，将实时与以前记录的人体运动测量值同步，预测了一个物体在哪里，例如距今5秒钟。 但是，与音乐和声音不同，人体的运动可能会混乱，发生巨大的变化。 即使是重复的动作，例如通过工作台拧入螺栓时，每个物体的动作也会略有不同。

现有算法一般接收流式运动数据作为表示人的位置的时间位置的点，并将这些点的轨迹与给定场景的公共轨迹库进行比较。 算法基于点之间的相对距离映射轨迹。

但是，电缆塔表示，基于距离单独预测轨迹的算法在常见情况下(如短暂停留)容易混淆，人们在继续前进之前会暂时停止。 暂停时，表示该人位置的点可以凝聚在同一位置。

当看到这些数据的时候，一个身体停止了跳动的时候，你会把很多点集中在一起。 洛杉矶奥塔说。 如果只考虑使点与点之间的距离符合基准，则都很近，不知道需要符合哪个，所以可能会很困惑。

重叠的轨迹也一样。 身体沿着同样的路径往返时的样子。 lasota表示，主体的当前位置可能与参考轨迹上的点一致，但现有算法无法区分该位置是否为轨迹的一部分，也无法沿同一路径返回。

距离方面可能有点，但时间方面，一个身体的位置实际上可能远离基准点。 lasota先生说。

一切都在时机[/s2/]

作为一个处理方案，lasota和shah设计了一种部分轨迹算法，用于将人的轨迹的各部分实时对齐到以前收集的参照轨迹的库中。 重要的是，新算法在将轨迹与距离和时间对齐的同时，通过这样做，可以准确地预测人的路径上的停止和重复。

你说你执行了这么多动议，lasota解释说。 旧技术是'； 这是动议代表轨迹最近的一点。 '； 但是，你只是在短时间内完成了这么多事情，所以算法的计时部分，根据时间，说因为你刚开始动作，所以并不是已经回来了。

这个小组用两个身体的运动数据集测试了这个算法。 一个身体在工厂环境中间歇通过机器人的路径，另一个队伍以前记录参加者的手的动作，在桌子上安装螺栓，机器人涂上螺栓的密封剂固定螺栓。

在这两个数据集上，该团队的算法与两个常用的部分轨迹对齐算法相比，可以更好地估计一个主体通过轨迹的进度。 该小组还发现，如果将对齐算法与运动预测器集成，机器人可以更准确地预测人类的运动时间。 例如，在工厂车间的场景中，我们发现机器人难以冻结，一个身体越过其路径不久就顺利恢复了任务。

算法在运动预测的背景下进行判断，但也可以作为人机交互行业其他技术的预解决步骤，如运动识别和手势检测。 shah先生说，该算法将成为机器人识别和响应人类运动和行为模式的重要工具。 最终，它有助于人类和机器人在结构化的环境(如工厂的安装，有时甚至是家庭)中合作工作。

shah先生说，这个技术可以应用于人类展示典型行为模式的任何环境。 重要的是，“机器人”系统能够注意到反复出现的模式，能够学到一点关于人类行为的知识。 所有这些都可以在机器人的工作中更好地了解人体运动的全方位，更好地与我们合作。

该研究部分由美国航天局/ [/k0/]间的技术研究奖学金和国家科学基金资助。

本文：《“算法告诉机器人附近的人类在哪里”》