Assistive Gym

Framework de simulação física para treinar robôs assistivos em tarefas de cuidado

Licença

MIT

Visão geral

O Assistive Gym é um framework de simulação baseado em física, construído sobre PyBullet e OpenAI Gym, para treinar robôs a ajudar pessoas em tarefas diárias como alimentar-se, beber, tomar banho e vestir-se. Ele combina seis tarefas assistivas com seis robôs comerciais e incorpora preferências humanas em suas funções de recompensa. Inclui políticas de referência pré-treinadas para aprendizado por reforço.

Assistive Gym é um framework de simulação baseado em física, construído sobre o PyBullet e integrado ao OpenAI Gym, projetado especificamente para pesquisa em interação física humano-robô e assistência robótica. Ele fornece 72 ambientes de simulação prontos para uso, combinando seis tarefas assistivas (alimentação, hidratação, coçar, banho no leito, vestimenta e manipulação de braço) com seis robôs comerciais (PR2, Jaco, Baxter, Sawyer, Stretch e Panda) em configurações humanas tanto estáticas quanto ativas.

O framework apresenta modelos humanos anatomicamente realistas com 40 juntas atuadas e limites de juntas dependentes de postura derivados de pesquisas biomecânicas, suportando configurações corporais tanto masculinas quanto femininas. Ele incorpora modelagem de preferências humanas diretamente nas funções de recompensa, permitindo que os robôs aprendam estratégias de assistência que respeitam o conforto e a autonomia da pessoa. A versão 1.0 adicionou manipulação móvel, controle multi-robô, integração com iGibson para ambientes domésticos fotorrealistas e modelos de malha humana SMPL-X para representação corporal realista.

O Assistive Gym é totalmente compatível com algoritmos padrão de aprendizado por reforço através da interface OpenAI Gym, inclui políticas de referência pré-treinadas para todas as combinações robô-tarefa e suporta desenvolvimento baseado em nuvem através de notebooks do Google Colab. Pesquisadores podem criar ambientes assistivos personalizados, estender tarefas existentes e avaliar novas abordagens em comparação com os baselines fornecidos.

Por que importa

À medida que as populações envelhecem globalmente, a demanda por cuidados supera em muito a força de trabalho disponível. A robótica assistiva tem o potencial de preencher essa lacuna, mas desenvolver robôs que interajam fisicamente com pessoas é inerentemente arriscado. O Assistive Gym fornece um ambiente de simulação seguro e repetível onde pesquisadores podem treinar e avaliar políticas de robôs assistivos sem colocar pessoas reais em risco durante o processo de desenvolvimento.

O framework se estabeleceu como uma ferramenta fundamental na comunidade de pesquisa em robótica assistiva, publicado no IEEE ICRA 2020 e amplamente citado. Ao padronizar a simulação de tarefas comuns de cuidado e fornecer resultados de benchmark em múltiplos robôs comerciais, ele acelera o progresso em um campo onde a experimentação no mundo real é cara, lenta e eticamente restrita. Sua natureza open-source e suporte ao Google Colab reduzem a barreira de entrada para novos pesquisadores ingressando neste domínio crucial.

Problema que resolve

Desenvolver robôs que auxiliem fisicamente pessoas em atividades diárias apresenta um problema fundamental do tipo "ovo ou galinha": robôs precisam de treinamento extensivo para interagir com segurança com humanos, mas treinar com pessoas reais representa riscos de segurança inaceitáveis. Experimentos de interação física humano-robô também são caros, demorados e difíceis de reproduzir entre grupos de pesquisa.

O Assistive Gym resolve isso fornecendo uma simulação física realista onde robôs podem aprender através de milhões de interações de tentativa e erro sem qualquer risco para sujeitos humanos. O framework modela não apenas a física do contato, mas também preferências humanas e capacidades físicas, garantindo que as políticas treinadas levem em conta o conforto e a autonomia da pessoa assistida. Isso permite que pesquisadores ao redor do mundo desenvolvam, testem e comparem estratégias assistivas em benchmarks padronizados antes de qualquer implantação no mundo real.

Pontos principais

Simula seis tarefas de vida diária (alimentação, hidratação, banho, vestimenta, coçar, manipulação de braço) em seis robôs comerciais com 72 combinações totais de ambientes
Integra modelagem de preferências humanas nas funções de recompensa para que os robôs aprendam a assistir de maneiras que respeitam conforto e autonomia
Apresenta modelos humanos anatomicamente realistas com 40 juntas atuadas e limites de juntas biomecanicamente precisos
Compatível com aprendizado por reforço padrão através da interface OpenAI Gym, com políticas de referência pré-treinadas incluídas
Suporta ambientes domésticos fotorrealistas via integração com iGibson e representação corporal realista através de malhas humanas SMPL-X

Para quem é

Pesquisadores em robótica trabalhando com interação física humano-robô e tecnologia assistiva
Profissionais de aprendizado por reforço aplicando RL a tarefas reais de cuidado e manipulação
Desenvolvedores de tecnologia em saúde prototipando assistência robótica para cuidados de idosos e pessoas com deficiência
Estudantes de pós-graduação estudando robótica assistiva, engenharia de reabilitação ou IA incorporada
Fabricantes de robôs avaliando plataformas comerciais para aplicações assistivas

Limitações

A lacuna entre simulação e realidade significa que políticas treinadas no Assistive Gym podem não transferir diretamente para robôs físicos sem ajuste fino adicional
Os modelos humanos usam limites de juntas simplificados e dinâmica corporal que não capturam toda a variabilidade de pacientes reais com diferentes deficiências
Requer Python 3.6 ou 3.7 para melhor compatibilidade, com suporte limitado para versões mais recentes do Python
Não modela deformações de corpos moles para tarefas como vestimenta e banho onde a física de tecido e pele é importante
A última atualização significativa foi a v1.0 e o projeto tem atividade de desenvolvimento recente limitada em comparação com frameworks de simulação mais novos