Conduct-A-Bot sistemi daha doğal insan-robot iletişimi sağlamak için kas sinyallerini kullanıyor.

Albert Einstein, meşhur ve iletişimi anlamanın en önemli anahtarlarından biri olarak “tek gerçek değerli şeyin sezgi” olduğunu iddia etti.

Ancak sezgiselliği öğretmek zordur – özellikle bir makineye. Bunu iyileştirmek isteyen, MIT’in Bilgisayar Bilimi ve Yapay Zeka Laboratuvarı’ndan (CSAIL) bir ekip, bizi daha sorunsuz insan- robot işbirliğine yaklaştıran bir yöntem buldu . “Conduct-A-Bot” adı verilen sistem, bir robotun hareketini yönlendirmek için giyilebilir sensörlerden gelen insan kas sinyallerini kullanır .

MIT Stephen araştırma dekan yardımcısı CSAIL direktörü Profesör Daniela Rus, “Makinelerin bilişsel ve fiziksel çalışmaları olan insanlara yardım ettiği bir dünya öngörüyoruz ve bunu yapmak için tam tersine insanlara uyum sağlıyorlar” diyor. A. Schwarzman Bilgisayar Koleji ve sistemle ilgili bir makalede ortak yazar.

İnsanlar ve makineler arasında kesintisiz ekip çalışması sağlamak için , kas sinyallerini ve hareketi ölçmek için biseps, triseps ve önkollara elektromiyografi ve hareket sensörleri takılır. Algoritmalar daha sonra çevrimdışı kalibrasyon veya kullanıcı başına eğitim verisi olmadan hareketleri gerçek zamanlı olarak tespit etmek için sinyalleri işler. Sistem sadece iki veya üç adet giyilebilir sensör kullanıyor ve çevrede hiçbir şey kullanmıyor – robotlarla etkileşime giren sıradan kullanıcıların önündeki engelleri büyük ölçüde azaltıyor.

Conduct-A-Bot, elektronik cihazlarda menülerde gezinmek veya otonom robotları denetlemek de dahil olmak üzere çeşitli senaryolar için potansiyel olarak kullanılabilirken, bu araştırma için ekip bir Parrot Bebop 2 drone kullandı, ancak herhangi bir ticari drone kullanılabildi.

Döngüsel hareketler, sıkışık yumruklar, gerilmiş kollar ve aktif önkollar gibi eylemleri tespit ederek, Conduct-A-Bot drone’yu sola, sağa, yukarı, aşağı ve ileri hareket ettirebilir ve dönmesine ve durmasına izin verebilir.

Arkadaşınızın sağına doğru işaret ettiyseniz, muhtemelen bu yönde hareket etmeleri gerektiğini yorumlayabilirler. Benzer şekilde, örneğin elinizi sola salladıysanız, drone takım elbise izler ve sola döner.

Testlerde, drone, çemberlerden uçmak için uzaktan kontrol edildiğinde 1.500’den fazla insan hareketinin yüzde 82’sine doğru bir şekilde cevap verdi. Sistem ayrıca, drone kontrol edilmediğinde işaret edilen hareketlerin yaklaşık yüzde 94’ünü doğru bir şekilde tanımladı.

Yeni gazetenin baş yazarı Joseph DelPreto, “Hareketlerimizi anlamak, robotların günlük hayatta doğal olarak kullandığımız sözsüz ipuçlarını daha fazla yorumlamasına yardımcı olabilir.” Diyor. “Bu tür bir sistem, bir robotla etkileşimi başka bir kişiyle etkileşime daha benzer hale getirmeye yardımcı olabilir ve birisinin önceden deneyim veya harici sensörler olmadan robotları kullanmaya başlamasını kolaylaştırabilir.”

Bu tür bir sistem nihayetinde uzaktan arama, yardımcı kişisel robotlar veya nesne teslim etme veya malzeme kaldırma gibi üretim görevleri de dahil olmak üzere insan-robot işbirliği için bir dizi uygulamayı hedefleyebilir.

Bu akıllı araçlar aynı zamanda sosyal mesafeyle tutarlıdır ve potansiyel olarak gelecekteki temassız çalışma alanı açabilir. Örneğin, bir hastane odasını güvenli bir şekilde temizlemek veya ilaçları bırakmak için makinelerin insanlar tarafından kontrol edildiğini ve insanların güvenli bir mesafede kalmamıza izin verdiğini hayal edebilirsiniz.

Kas sinyalleri genellikle eklem sertliği veya yorgunluk gibi görme zorluğu olan durumlar hakkında bilgi sağlayabilir.

Örneğin, büyük bir kutuyu tutan birinin videosunu izlerseniz, ne kadar çaba veya kuvvet gerektiğini tahmin etmekte zorluk çekebilirsiniz – ve bir makine de bunu yalnızca vizyondan ölçmekte zorluk çekebilir. Kas sensörleri kullanmak, sadece hareketi değil, aynı zamanda bu fiziksel yörüngeyi yürütmek için gereken kuvvet ve torku tahmin etme olasılıklarını da açar.

İçin jest kelime şu anda robotu kontrol etmek için kullanılan aşağıdaki gibi hareketler tespit edilmiştir:

• robotu durdurmak için üst kolu güçlendirmek (bir şeylerin yanlış gittiğini görürken kısa süreli kınmaya benzer): biseps ve triseps kas sinyalleri;
• robotu yana veya dikey olarak hareket ettirmek için eli sola / sağa ve yukarı / aşağı sallayarak: önkol kas sinyalleri (önkol ivmeölçeri el yönünü gösterir);
• robotu ileri hareket ettirmek için yumruk sıkma: önkol kas sinyalleri; ve
• robotu döndürmek için saat yönünde / saat yönünün tersine döndürme: önkol jiroskopu.

Makine öğrenimi sınıflandırıcıları, giyilebilir sensörleri kullanarak hareketleri tespit etti. Denetimsiz sınıflandırıcılar kas ve hareket verilerini işledi ve hareketleri diğer hareketlerden nasıl ayıracağını öğrenmek için gerçek zamanlı olarak kümeledi. Bir sinir ağı ayrıca kolun fleksiyonunu veya önkol kas sinyallerinden uzamasını da öngördü.

Sistem, robotu kontrol eden jestler yaparken kendisini her bir kişinin sinyallerine göre kalibre ederek, sıradan kullanıcıların robotlarla etkileşime girmesini daha hızlı ve daha kolay hale getiriyor.

Gelecekte, ekip testleri daha fazla konu içerecek şekilde genişletmeyi umuyor. Conduct-A-Bot hareketleri robot hareketi için ortak hareketleri kapsarken, araştırmacılar kelime haznesini daha sürekli veya kullanıcı tanımlı hareketleri içerecek şekilde genişletmek istiyorlar. Sonunda umut, görevleri daha iyi anlamak ve daha öngörülü yardım sağlamak veya özerkliklerini artırmak için robotların bu etkileşimlerden öğrenmelerini sağlamaktır.

DelPreto, “Bu sistem, robotlarla sorunsuz bir şekilde çalışmamıza izin vermek için bir adım daha yaklaşıyor, böylece günlük işler için daha etkili ve akıllı araçlar haline gelebiliyorlar. Diyerek şöyle devam etti: “Bu tür işbirlikleri daha erişilebilir ve yaygın olmaya devam ettikçe, sinerjik fayda olanakları derinleşmeye devam ediyor.”