Assistive Gym

Framework di simulazione fisica per addestrare robot assistivi in compiti di cura

Licenza

MIT

Panoramica

Assistive Gym è un framework di simulazione basato sulla fisica, costruito su PyBullet e OpenAI Gym, per addestrare robot ad aiutare le persone in attività quotidiane come mangiare, bere, lavarsi e vestirsi. Abbina sei compiti di assistenza a sei robot commerciali e integra le preferenze umane nelle funzioni di ricompensa. Include policy di riferimento preaddestrate per l'apprendimento per rinforzo.

Assistive Gym è un framework di simulazione basato sulla fisica, costruito su PyBullet e integrato con OpenAI Gym, pensato specificamente per la ricerca sull'interazione fisica uomo-robot e sull'assistenza robotica. Fornisce 72 ambienti di simulazione pronti all'uso, che combinano sei compiti di assistenza (alimentazione, bere, grattare un prurito, spugnatura a letto, vestizione e manipolazione del braccio) con sei robot commerciali (PR2, Jaco, Baxter, Sawyer, Stretch e Panda), con configurazioni umane sia statiche sia attive.

Il framework offre modelli umani anatomicamente realistici con 40 giunti attuati e limiti dei giunti dipendenti dalla postura, derivati dalla ricerca biomeccanica, e supporta configurazioni corporee sia maschili sia femminili. Integra la modellazione delle preferenze umane direttamente nelle funzioni di ricompensa, così che i robot apprendano strategie di assistenza che rispettano il comfort e l'autonomia della persona. La versione 1.0 ha aggiunto la manipolazione mobile, il controllo multi-robot, l'integrazione con iGibson per ambienti domestici fotorealistici e i modelli di mesh umana SMPL-X per una rappresentazione realistica del corpo.

Assistive Gym è pienamente compatibile con gli algoritmi standard di apprendimento per rinforzo tramite l'interfaccia di OpenAI Gym, include policy di riferimento preaddestrate per tutte le combinazioni di robot e compito e supporta lo sviluppo nel cloud tramite notebook di Google Colab. I ricercatori possono creare ambienti di assistenza personalizzati, estendere i compiti esistenti e confrontare nuovi approcci con le baseline fornite.

Perché è importante

Con l'invecchiamento della popolazione mondiale, la domanda di assistenza supera di gran lunga la forza lavoro disponibile. La robotica assistiva ha il potenziale per colmare questo divario, ma sviluppare robot che interagiscono fisicamente con le persone è intrinsecamente rischioso. Assistive Gym offre un ambiente di simulazione sicuro e ripetibile in cui i ricercatori possono addestrare e valutare policy per robot assistivi senza mettere a rischio persone reali durante lo sviluppo.

Il framework si è affermato come strumento di base nella comunità di ricerca sulla robotica assistiva: è stato pubblicato a IEEE ICRA 2020 ed è ampiamente citato. Standardizzando la simulazione dei compiti di cura più comuni e fornendo risultati di benchmark su più robot commerciali, accelera i progressi in un campo in cui la sperimentazione nel mondo reale è costosa, lenta e soggetta a vincoli etici. La natura open source e il supporto a Google Colab abbassano la barriera d'ingresso per i nuovi ricercatori che entrano in questo ambito cruciale.

Il problema che risolve

Sviluppare robot che assistono fisicamente le persone nelle attività quotidiane pone un classico problema dell'uovo e della gallina: i robot hanno bisogno di un addestramento esteso per interagire in sicurezza con gli esseri umani, ma addestrarli su persone reali comporta rischi per la sicurezza inaccettabili. Gli esperimenti di interazione fisica uomo-robot sono inoltre costosi, lunghi e difficili da riprodurre tra gruppi di ricerca diversi.

Assistive Gym risolve il problema offrendo una simulazione fisica realistica in cui i robot possono imparare attraverso milioni di interazioni per tentativi ed errori senza alcun rischio per i soggetti umani. Il framework modella non solo la fisica del contatto, ma anche le preferenze e le capacità fisiche umane, così che le policy addestrate tengano conto del comfort e dell'autonomia della persona assistita. Questo permette ai ricercatori di tutto il mondo di sviluppare, testare e confrontare strategie di assistenza su benchmark standardizzati prima di qualsiasi deployment nel mondo reale.

Punti chiave

• Simula sei attività della vita quotidiana (alimentazione, bere, lavarsi, vestirsi, grattarsi, manipolazione del braccio) su sei robot commerciali, per 72 combinazioni di ambienti in totale
• Integra la modellazione delle preferenze umane nelle funzioni di ricompensa, così che i robot imparino ad assistere rispettando comfort e autonomia
• Offre modelli umani anatomicamente realistici con 40 giunti attuati e limiti dei giunti biomeccanicamente accurati
• Compatibile con l'apprendimento per rinforzo standard tramite l'interfaccia di OpenAI Gym, con policy di riferimento preaddestrate incluse
• Supporta ambienti domestici fotorealistici tramite l'integrazione con iGibson e una rappresentazione realistica del corpo tramite le mesh umane SMPL-X

A chi si rivolge

• Ricercatori di robotica che lavorano sull'interazione fisica uomo-robot e sulle tecnologie assistive
• Professionisti dell'apprendimento per rinforzo che applicano l'RL a compiti reali di cura e manipolazione
• Sviluppatori di tecnologie sanitarie che prototipano assistenza robotica per la cura di anziani e persone con disabilità
• Studenti di dottorato e magistrale che studiano robotica assistiva, ingegneria della riabilitazione o IA incarnata
• Produttori di robot che valutano piattaforme commerciali per applicazioni assistive

Limiti

• Il divario tra simulazione e realtà fa sì che le policy addestrate in Assistive Gym possano non trasferirsi direttamente sui robot fisici senza un ulteriore fine-tuning
• I modelli umani usano limiti dei giunti e dinamiche corporee semplificati, che non possono cogliere tutta la variabilità di pazienti reali con disabilità diverse
• Richiede Python 3.6 o 3.7 per la migliore compatibilità, con un supporto limitato per le versioni più recenti di Python
• Non modella le deformazioni dei corpi morbidi per compiti come vestirsi e lavarsi, in cui la fisica dei tessuti e della pelle è importante
• L'ultimo aggiornamento significativo è stato la v1.0 e il progetto ha poca attività di sviluppo recente rispetto ai framework di simulazione più nuovi