輕輕一點，機器人抓取控制不再繁

# 感謝 荔枝冰糖葫蘆 童鞋發來譯稿：

在遍布各處的機器人還未完全實現自主化之前，人類可能還要靠自己打理一切一段時間。這種情況近來愈發常見，因為機器人被越來越多的應用到家庭、商業或工業環境中，而這些機器人雖接近自主化，但還未完全「習得真傳」。當這些機器人在執行任務過程中卡住時(毫無疑問它們會遇到這種情況)，人類操作員可以通過遙操作輔助機器人擺脫困境。然而，當前的主要問題是，這種遙操作過程非常冗長繁雜。

對大部分機器人抓取任務來說，當機器人需要輔助時，人類操作員需要一邊盯著三維點雲數據，一邊手動調節手爪的每個自由度。喬治亞理工學院的研究人員正在試圖讓這一過程不再那麼痛苦。他們的方法使操作員可以擺脫上述手動調節過程，通過用戶友好的交互界面，只需點擊一兩次滑鼠，就可以完成調節過程。

在純手動調節和視頻中展示的點擊(point and click)抓取方法之外，來自由Sonia Chernova教授領導的喬治亞理工機器人自主和交互學習實驗室(RAIL lab)的研究人員還提出了一種折衷方法，稱為「受限定位(constrained positioning)」，這種方法可以智能的限制操作員手動調節時的部分自由度。區別於純動手調節，用戶只需選擇抓取點、接觸角度和抓取深度。把上述方法結合起來，就得到了一系列機器人遙操作抓取的方法：從6自由度純手工調節方法，到3自由度受限定位方法，再到一步到位的點擊抓取方法。讀者可在這裡看到這三種方法的視頻。

隨著這些抓取方法的改進，機器人系統越來越多的利用了環境場景信息，儘管這些信息並未用於場景識別或者物體識別。換言之，上述抓取方法需要深度視覺信息(三維點雲)來輔助抓取，但方法本身並不涉及利用深度信息去理解機器人在看的是什麼，這使得方法本身易於擴展和應用到新的環境而無需重新訓練。這三種方法只需鍵鼠操作，通過瀏覽器訪問用戶友好的交互界面，用戶使用起來非常舒適。舒適非常重要。因為從理想情況考慮，你肯定想讓非專業用戶也能輕鬆控制你的機器人，在使用過程中不會因為要做的事、因為機器人或者(最終)因為作為機器人擁有者的你而感到沮喪。

一項針對非專業用戶的研究表明，點擊抓取方法最為有效，幫助用戶「更快、更一致的完成了大量任務，同時也減少了任務中的出錯情況」。RAIL實驗室的研究人員解釋說：

儘管抓取方法較之其他方法有明顯優勢，受限定位方法與純手工調節方法相比，還有一點重要優勢是其可以減少用戶犯錯的數量。最常見的錯誤是抓取錯位，即手爪未與環境、物體或任何其他部分產生接觸。受限定位方法和點擊抓取方法都要求用戶進行一次點擊來進行初始化，使機器人的末端執行器(手爪)在定位到環境點雲數據附近。將操作範圍約束在物理表面能有限減少抓取錯位情況，使得利用機械臂更有效率。

由來自喬治亞理工的David Kent，Carl Saldanha 和 Sonia Chernova撰寫的論文 「A Comparison of Remote Robot Teleoperation Interfaces for General Object Manipulation,」 在HRI 2017 (在Vienna, Austria召開)作了報告。

[投稿 via IEEE]

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！