08/04/2022
Door Ad Spijkers
Een internationaal team onderzoekers ontwerpt een aankleedrobot die een paar trucjes in petto heeft.
Robots zijn al bedreven in bepaalde dingen, zoals het optillen van objecten die te zwaar of omslachtig zijn voor mensen om te beheren. Een andere toepassing waarvoor ze geschikt zijn, is de precisiemontage van items zoals horloges met een groot aantal kleine onderdelen. Veel moeilijker zijn taken die 'situational awareness' vereisen, waarbij bijna onmiddellijke aanpassingen aan veranderende omstandigheden in de omgeving nodig zijn. Dingen worden nog ingewikkelder wanneer een robot moet communiceren met een mens en daarmee moet samenwerken om een taak veilig en met succes te voltooien.
Aankleedhulp
Onderzoekers van het Honda Research Institute Europe in Offenbach am Main, University of Edinburgh en het Massachusetts Institute of Technology (MIT) hebben een probleem vol uitdagingen aangepakt: een robot ontwerpen die mensen kan helpen aankleden. Vorig jaar voltooiden MIT-onderzoekers al een project met robotassistentie bij het aantrekken van kleding zonder mouwen. Inmiddels hebben ze vooruitgang geboekt bij een veeleisender probleem: hulp bij het aankleden met kleding mét mouwen.
Het grote verschil zit in 'visuele occlusie'. Tijdens het aankleedproces kan de robot de menselijke arm niet zien. Hij kan niet altijd de elleboog zien of de precieze positie of houding bepalen. Dat heeft weer invloed op de hoeveelheid kracht die de robot moet uitoefenen om het kledingstuk - zoals een shirt met lange mouwen - van de hand naar de schouder te trekken.
Robotarm helpt
Om met een belemmerd zicht om te gaan bij het aankleden van een mens, neemt een algoritme de meting door een robot van de kracht die op een jasmouw wordt uitgeoefend als invoer. Hij schat vervolgens de positie van de elleboog. De onderzoekers hebben een schattingsalgoritme ontwikkeld waarmee ze redelijk nauwkeurige inschatten waar op een bepaald moment de elleboog is en hoe de hoek van de arm is: gestrekt recht naar buiten of gebogen bij de elleboog, naar boven, beneden of opzij wijzend. Dat kan zelfs als de arm volledig wordt verhuldd door kleding.
Op elk moment schat het algoritme de positie van de elleboog – niet precies, maar door deze in een doos of volume te plaatsen dat alle mogelijke posities omvat. Deze kennis vertelt de robot op zijn beurt hoe hij moet bewegen. Als de arm gestrekt is, zal de robot een rechte lijn volgen. Als de arm gebogen is, zal de robot zich om de elleboog moeten buigen. Als de schatting van de elleboog verkeerd is, kan de robot beslissen over een beweging die een buitensporige en onveilige kracht zou veroorzaken.
Dynamisch model
Het algoritme bevat een dynamisch model dat voorspelt hoe de arm in de toekomst zal bewegen. Elke voorspelling wordt gecorrigeerd door een meting van de kracht die op een bepaald moment op de stof wordt uitgeoefend. Daardoor kunnen de onderzoekers een duidelijke bovengrens stellen aan de onzekerheid en garanderen dat de elleboog zich binnen een voorgeschreven kader zal bevinden.
Het model voor het voorspellen van armbewegingen en elleboogpositie en het model voor het meten van de kracht die door de robot wordt uitgeoefend, maken beide gebruik van machine learning-technieken. De gegevens die werden gebruikt om de machine learning systemen te trainen, werden verkregen van mensen die Xsens-pakken droegen. Deze hebben ingebouwde sensoren die lichaamsbewegingen nauwkeurig volgen en registreren.
Nadat de robot was getraind, was hij in staat om de ellebooghouding af te leiden wanneer hij een jas op een mens aantrok en een man die zijn arm op verschillende manieren bewoog tijdens de procedure. Dit laatste gebeurde soms als reactie op het trekken van de robot aan de jas, soms in willekeurige bewegingen uit eigen beweging.
Foto: MIT CSAIL