Shared Autonomy
- Auch genannt: shared control, assistive teleoperation
- Kategorie: Control › Human in the loop
- Schlagwörter: human-robot-interaction, teleoperation, assistive-robotics, intent-inference, control-arbitration
Ein Steuerungsschema, bei dem ein menschlicher Bediener und ein Roboter gleichzeitig auf dieselbe Aufgabe einwirken, wobei der Roboter das Ziel des Bedieners erschließt und seine eigene Unterstützung in die Befehle einmischt.
Definition
Geteilte Autonomie (shared autonomy) bezeichnet Systeme, in denen ein Mensch und ein Roboter denselben Roboter gleichzeitig steuern. Der Bediener gibt Befehle über einen Joystick, eine Gehirn-Computer-Schnittstelle, ein Teleoperationsgerät oder eine andere Eingabe, und der Roboter führt sie nicht einfach aus: Er schätzt, was der Bediener erreichen will, und trägt eigene Aktionen zu diesem Ziel bei. Das Ergebnis liegt zwischen direkter Teleoperation, bei der der Roboter den Befehlen genau folgt, und voller Autonomie, bei der der Mensch nur die Aufgabe festlegt.
Die meisten Formulierungen haben zwei Teile. Die Absichtsinferenz (intent inference) führt eine Belief-Verteilung über Kandidatenziele, etwa welches Objekt der Nutzer greifen will, und aktualisiert sie aus den Eingaben des Nutzers und der bisherigen Bewegung des Roboters. Die Arbitrierung (arbitration) entscheidet, wie die Unterstützung des Roboters und der Befehl des Nutzers kombiniert werden. Dragan und Srinivasa (2013) formulierten dies als Policy Blending, bei dem der ausgeführte Befehl eine gewichtete Mischung aus der Eingabe des Nutzers und der Vorhersage des Roboters ist, wobei das Gewicht mit der Zuversicht in das vorhergesagte Ziel wächst. Andere Ansätze behandeln das unbekannte Ziel als verborgenen Zustand in einem teilweise beobachtbaren Markov-Entscheidungsprozess und wählen Aktionen, die über mehrere plausible Ziele hinweg helfen, oder lernen die Unterstützung direkt aus Daten, etwa indem sie niedrigdimensionale Nutzereingaben auf gelernte latente Aktionen abbilden.
Der zentrale Zielkonflikt besteht zwischen Unterstützung und Steuerungshoheit. Aggressive Unterstützung kann Aufgaben schneller erledigen, handelt aber auf falsche Vermutungen hin, wenn die Ziele mehrdeutig sind, und Nutzer berichten oft von Frust, wenn der Roboter sich über sie hinwegsetzt. Viele Systeme lassen den Menschen daher jederzeit übersteuern, zeigen das vom Roboter geschlossene Ziel über die Schnittstelle an oder passen den Grad der Unterstützung über wiederholte Interaktionen an jeden Nutzer an. Geteilte Autonomie unterscheidet sich von abwechselnder Kontrolle (traded control), bei der die Hoheit in diskreten Abschnitten zwischen Mensch und Roboter wechselt, und von physischer Mensch-Roboter-Interaktion, bei der der Mensch den Roboter durch direkten Kontakt statt über ein Eingabegerät führt.
Warum es wichtig ist
Viele nützliche Roboter können noch nicht vollständig autonom sein, und viele Nutzer können einen Arm mit vielen Freiheitsgraden nicht präzise über einen Joystick oder eine andere eingeschränkte Eingabe teleoperieren. Geteilte Autonomie lässt den Roboter die Feinpositionierung übernehmen, während der Mensch die Entscheidungen behält. Das macht Assistenzarme, Fernmanipulation und schwierige Steueraufgaben für Laien praktikabel.
Wichtige Anwendungen
- Assistenzroboterarme für Menschen mit eingeschränkter Beweglichkeit der oberen Extremitäten
- Fernmanipulation mit eingeschränkten Eingabegeräten oder Kommunikationslatenz
- Steuerung robotischer Geräte über Gehirn-Computer-Schnittstellen und Elektromyografie
- Fahrerassistenz und Kollisionsvermeidung in teilautonomen Fahrzeugen
- Steuerung von Drohnen und Luftfahrzeugen mit automatischer Stabilisierung und Hindernisvermeidung
- Robotergestützte Chirurgie mit virtuellen Führungen und Bewegungsbeschränkungen
In der Praxis
Ein an einem Rollstuhl montierter Assistenzarm wird mit einem zweiachsigen Joystick gesteuert, sodass der Nutzer nicht alle sechs Freiheitsgrade des Endeffektors gleichzeitig vorgeben kann. Die Software erkennt mit einer Tiefenkamera Kandidatenobjekte auf einem Tisch und führt für jedes eine Wahrscheinlichkeit, das Ziel zu sein, die danach aktualisiert wird, wie gut die jüngsten Joystickbewegungen des Nutzers darauf zeigen. Solange sich die Belief-Verteilung über mehrere Objekte verteilt, folgt der Arm den Befehlen des Nutzers fast direkt. Wird ein Objekt eindeutig am wahrscheinlichsten, mischt der Regler eine Bewegung zu einer Vorgreifpose für dieses Objekt ein, einschließlich der Handgelenksdrehung, die der Joystick nicht ausdrücken kann. Der Nutzer kann jederzeit gegen die Unterstützung drücken, was die Wahrscheinlichkeit dieses Ziels senkt und ihm die Hoheit zurückgibt. Die Ingenieure stimmen die Mischfunktion ab und protokollieren Übersteuerungsereignisse, um herauszufinden, wo die Inferenz falsch rät.
Häufige Missverständnisse
- Geteilte Autonomie bedeutet, zwischen manuellem und automatischem Modus umzuschalten — das ist abwechselnde Kontrolle; geteilte Autonomie kombiniert beide Befehlsquellen fortlaufend
- Mehr Unterstützung ist immer besser — Unterstützung auf Basis einer falschen Zielschätzung bremst Nutzer, und viele Nutzer behalten lieber mehr Kontrolle, selbst wenn das etwas Geschwindigkeit kostet
- Der Roboter muss das Ziel im Voraus kennen — die Zielinferenz aus den Eingaben des Nutzers ist Teil des Problems, und gute Systeme handeln vernünftig, solange das Ziel noch unsicher ist
- Geteilte Autonomie ist dasselbe wie Teleoperation — bei reiner Teleoperation gibt der Roboter die Befehle des Bedieners wieder, bei geteilter Autonomie fügt er eigene Aktionen hinzu
Wer das wissen sollte
- Ingenieure für Assistenz- und Rehabilitationsrobotik
- Forscher in Teleoperation und Mensch-Roboter-Interaktion
- Schnittstellendesigner für Roboter, die von Laien gesteuert werden
- Ingenieure, die Fahrerassistenz- oder Steuerhilfen entwickeln
Verwandte Technologien
- Policy Blending
- Absichtsinferenz (Intent Inference)
- Virtuelle Führungen (Virtual Fixtures)
- Gehirn-Computer-Schnittstellen
- Assistenzroboterarme
Verwandte Begriffe
- Teleoperation
- Physical Human-Robot Interaction
- Partially Observable Markov Decision Process (POMDP)
- Inverse Reinforcement Learning
- Safety Filter
Verwandte Projekte
- SO-101 Open Robot Arm: 6-DOF robot arm for teleoperation and AI robotics research
- XLeRobot: Practical dual-arm mobile home robot for $660 with <4hrs assembly
- DimOS: Python robotics runtime with agents, SLAM and teleop, no ROS required
- Mobile ALOHA: Bimanual mobile manipulation with 4 robot arms on a wheeled base for teleoperation
- GEAR-SONIC: NVIDIA's whole-body controller for the Unitree G1, trained to track any human motion
- OpenArm: 7DOF humanoid arm for physical AI research in contact-rich environments
Videos
- Shared autonomy for interactive robotics: The Royal Society
- Shared Autonomy: the robots are ready, are you? | Sethu Vijayakumar | TEDxUniversityofEdinburgh: TEDx Talks