
機器人正越來越多地被用于替代人類從事更多的危險工作和在一些高危環(huán)境中工作,但是它們始終難以像人類那樣隨環(huán)境變化而采取行動。如果今天的高智能機器人困在一個被卡住的失火的建筑物里,它極有可能根本不懂如何處理和使用房間里的東西從而跨越障礙,打開門逃出失火的樓。
由佐治亞理工學(xué)院Mike Stilman博士所帶領(lǐng)的一個科研項目組希望能改變這一現(xiàn)狀,他們希望能給予機器人使用工具來對抗環(huán)境的能力從而可以完成更多高級工作。該項目組收到一份由海軍研究院提供的為期3年,價值90萬美元的贊助來研究這個工程。

“我們的目標是開發(fā)一個具有MacGyver(1980年代的一個電視角色,但是其具有解決復(fù)雜問題的能力,并可運用手邊的日常生活用品協(xié)助逃離困境)那樣行為能力的機器人,Stilman(佐治亞理工學(xué)院教互動計算的助理教授)如是說。“我們想研究人類具有在其所處環(huán)境當(dāng)中將所有物體作為工具的認知過程。我們將通過設(shè)計算法使得懂得利用工具的機器人能夠完成赤手空拳的機器人所無法完成的工作。
這項研究基于Stilman以前研究的運動物體導(dǎo)航項目,可以使得從A到B地的機器人自動識別并移除所遇到的障礙物。
“這項工程極具挑戰(zhàn)性,因為在移動物體和使用物體之間具有關(guān)鍵的不同,”Stilman解釋說。“機器人運動規(guī)劃領(lǐng)域內(nèi)的研究人員已經(jīng)可以使用傳統(tǒng)的計算機視覺系統(tǒng)來定位障礙物在雜亂環(huán)境當(dāng)中的位置,并給出一個無阻礙的通道,但是這些系統(tǒng)并未提供任何有關(guān)障礙物的信息。
為了打造一個能夠選用其周圍環(huán)境中的任意物體來完成任務(wù)的機器人,Stilman計劃開發(fā)一種算法,可以讓機器人識別與其在同一個地方的所有對象,并可確定對象的潛在功能,然后將該對象打造成一個簡單的機器,用來完成一個動作。所具有的行為將可能包括站在椅子上拿到高處的東西,拿起一把梯子靠到墻壁的書架上,堆放箱子翻越障礙物,以及利用觸手可及的東西來搭建桿子或者橋梁。
給機器人灌輸了剛體力學(xué)的基本知識和簡單機械,其應(yīng)該能夠自主決定機械力對象的屬性并構(gòu)造行動計劃使用各種物品來執(zhí)行高級任務(wù)。例如,逃出卡住門的著火的房間,則需要一個機器人環(huán)顧火的周圍,在房間里使用東西施加足夠的力來打開卡住的門,還要在房間里找到足夠支撐其重量的物體,從而移動走出房間。
這些技能可能是非常寶貴的,未來機器人在與軍事人員一對一互助執(zhí)行工作時可完成具有挑戰(zhàn)性的任務(wù)。
“海軍以招募、訓(xùn)練和部署我們國家最足智多謀、聰明的男人和女人引以為豪,”海軍研究辦公室(ONR)認知科學(xué)計劃項目組主任保羅·貝洛說。 “現(xiàn)在,機器人系統(tǒng)在在軍事行動中占了很大的一部分,我們必須確保,它們也是聰明的和足智多謀的。Stilman教授研究的‘MacGyver’機器人是第一個同類,并已經(jīng)開始成為在高風(fēng)險的情況下創(chuàng)造性地執(zhí)行任務(wù)的保證。”
為解決類人思維情況下學(xué)習(xí)推理的需要,Stilman開始與研究人員Langley和Choi進行合作。Langley是學(xué)習(xí)能力研究所的主任,并確認作為該領(lǐng)域機器人研究的共同創(chuàng)始人,在那里他倡導(dǎo)的實驗室算法研究及其應(yīng)用于解決現(xiàn)實世界中的問題。Choi先生是堪薩斯大學(xué)航空航天工程系的助理教授。
Langley和Choi將拓展他們開發(fā)的認知結(jié)構(gòu),稱為ICARUS,它提供了一個基礎(chǔ)設(shè)施,可以模擬各種人的能力,如機器人的感知,推理,性能和學(xué)習(xí)等能力。
“我們相信,在認知結(jié)構(gòu)中嵌入了我們的以物理為基礎(chǔ)的算法的混合推理系統(tǒng)將創(chuàng)建一個更普遍、有效和結(jié)構(gòu)化的控制系統(tǒng),我們的機器人,將累積更多的利益,如果我們比單獨使用一種方法,”Stilman說。
之后,研究人員開發(fā)和優(yōu)化的混合推理系統(tǒng),利用計算機模擬,他們計劃使用魔克朗的人形機器人(在Stilman全身機器人的計劃和控制的實驗室研究)對軟件進行測試。
本研究的海軍部,海軍研究辦公室主辦,通過授權(quán)號碼N00014-12-1-0143。任何意見,研究成果,結(jié)論或建議,僅表示作者意見,與海軍研究辦公室的意見并不一定完全相同。