Open Source Robotics

精選高品質的開源機器人專案、工具與軟體,推動機器人社群向前發展。

Shared Autonomy

  • 又稱: shared control, assistive teleoperation
  • 類別: Control › Human in the loop
  • 標籤: human-robot-interaction, teleoperation, assistive-robotics, intent-inference, control-arbitration

一種控制方案:人類操作者與機器人同時作用於同一項任務,機器人推論操作者的目標,並把自己的協助混入指令中。

定義

共享自主(shared autonomy)描述的是人與機器人同時控制同一台機器人的系統。操作者透過搖桿、腦機介面、遠端操作裝置或其他輸入下達指令,而機器人並不只是照著執行:它會估計操作者想達成什麼,並朝這個目標貢獻自己的動作。結果介於直接遠端操作(機器人完全依照指令)與完全自主(人只設定任務)之間。

大多數表述都包含兩個部分。意圖推論(intent inference)維護一個關於候選目標的信念,例如使用者想抓取哪個物體,並根據使用者的輸入與機器人到目前為止的運動來更新。仲裁(arbitration)決定如何結合機器人的協助與使用者的指令。Dragan 與 Srinivasa(2013)將此表述為策略混合:實際執行的指令是使用者輸入與機器人預測的加權混合,權重會隨著對預測目標的信心提高而增加。其他方法把未知目標視為部分可觀測馬可夫決策過程中的隱藏狀態,選擇對數個合理目標都有幫助的動作,或直接從資料中學習協助方式,例如把低維度的使用者輸入對應到學習而來的潛在動作。

核心的取捨在於協助與控制權之間。積極的協助能更快完成任務,但在目標不明確時會依據錯誤的猜測行動,而使用者常表示,機器人違背他們的操作時會讓他們感到挫折。因此,許多系統讓人隨時都能接手,透過介面呈現機器人推論出的目標,或在反覆互動中依每位使用者調整協助程度。共享自主不同於交替控制(traded control),後者的控制權在人與機器人之間以離散的段落切換;也不同於實體人機互動,後者是人透過直接接觸而非輸入裝置來引導機器人。

為何重要

許多有用的機器人目前還無法完全自主,而許多使用者也無法透過搖桿或其他有限的輸入精確地遠端操作高自由度的機器手臂。共享自主讓機器人處理精細定位,而人保有決策權,使輔助型機器手臂、遠距操控與困難的駕駛任務對非專家而言變得可行。

主要應用

  • 為上肢活動能力受限者提供的輔助型機器手臂
  • 在輸入裝置有限或有通訊延遲時的遠距操控
  • 以腦機介面與肌電訊號控制機器人裝置
  • 半自動駕駛車輛中的駕駛輔助與碰撞避免
  • 具自動增穩與避障功能的無人機與飛行器操控
  • 具虛擬夾具與運動約束的機器人輔助手術

實際應用

一支裝在輪椅上的輔助型機器手臂以雙軸搖桿控制,因此使用者無法同時指揮末端執行器的全部六個自由度。軟體以深度攝影機偵測桌上的候選物體,並為每個物體維持一個它是目標的機率,依使用者最近的搖桿動作有多指向它來更新。當信念分散在多個物體上時,手臂幾乎直接跟隨使用者的指令。當某個物體明顯成為最可能的目標時,控制器會混入朝向該物體預抓取姿態的運動,包括搖桿無法表達的手腕旋轉。使用者隨時都能頂著協助推動,這會降低該目標的機率,並把控制權交還給使用者。工程師調整混合函數,並記錄接手事件,以找出推論在哪裡猜錯。

常見誤解

  • 共享自主是指在手動與自動模式之間切換 — 那是交替控制;共享自主會持續結合兩種指令來源
  • 協助越多越好 — 依據錯誤目標估計的協助會拖慢使用者,而且許多使用者寧願保留更多控制,即使要在速度上付出一些代價
  • 機器人必須事先知道目標 — 從使用者輸入推論目標是問題的一部分,好的系統在目標仍不確定時也能合理行動
  • 共享自主與遠端操作相同 — 在單純的遠端操作中,機器人重現操作者的指令,而在共享自主中,它會加入自己的動作

誰需要了解

  • 輔助與復健機器人工程師
  • 遠端操作與人機互動研究人員
  • 為非專家所控制之機器人設計介面的設計者
  • 開發駕駛輔助或操控輔助系統的工程師

相關技術

  • 策略混合(Policy Blending)
  • 意圖推論(Intent Inference)
  • 虛擬夾具(Virtual Fixtures)
  • 腦機介面(Brain-Computer Interfaces)
  • 輔助型機器手臂(Assistive Robot Arms)

相關術語

  • Teleoperation
  • Physical Human-Robot Interaction
  • Partially Observable Markov Decision Process (POMDP)
  • Inverse Reinforcement Learning
  • Safety Filter

相關專案

  • 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

影片

  • Shared autonomy for interactive robotics: The Royal Society
  • Shared Autonomy: the robots are ready, are you? | Sethu Vijayakumar | TEDxUniversityofEdinburgh: TEDx Talks

本網站需要 JavaScript 才能正常運作。請啟用 JavaScript 以瀏覽我們的開源機器人專案。