Robot fanger bolden uden kodning

Dr. Kee-hoon Kims team ved Center for Intelligent &Interactive Robotics ved Korea Institute of Science and Technology (KIST) udviklede en måde at undervise i "impedanskontrollerede robotter" gennem menneskelige demonstrationer ved hjælp af overfladeelektromyogrammer (sEMG) af muskler, og det lykkedes at lære en robot at fange en tabt bold som en fodboldspiller. Et overfladeelektromyogram er et elektrisk signal produceret under muskelaktivering, som kan opfanges på hudens overflade.

Nyligt udviklede impedanskontrollerede robotter har åbnet op for en ny æra af robotteknologi baseret på den naturlige elasticitet af menneskelige muskler og led, som konventionelle stive robotter mangler. Robotter med fleksible led forventes at kunne køre, hoppe forhindringer og dyrke sport som mennesker. Imidlertid, den teknologi, der kræves for at lære sådanne robotter at bevæge sig på denne måde, har været utilgængelig indtil for nylig.

KIST-forskerholdet blev det første i verden til at udvikle en måde at lære nye bevægelser til impedanskontrollerede robotter ved hjælp af menneskelige muskelsignaler. Med denne teknologi, som registrerer ikke kun menneskelige bevægelser, men også muskelsammentrækninger gennem sEMG, det er nu blevet muligt for robotter at efterligne bevægelser baseret på menneskelige demonstrationer.

Dr. Kee-hoon Kims team har haft held med at bruge sEMG til at lære en robot hurtigt og behændigt at fange en hurtigt faldende bold, før den kommer i kontakt med en fast overflade eller hopper for langt til at nå - svarende til de færdigheder, som fodboldspillere bruger.

SEMG-sensorer var fastgjort til en mands arm, giver ham mulighed for samtidig at kontrollere placeringen og fleksibiliteten af ​​robottens hurtige op- og nedadgående bevægelser. Manden "lærte" derefter robotten, hvordan man fange en hurtigt faldende bold ved at give en personlig demonstration. Efter at have lært bevægelsen, robotten var dygtigt i stand til at fange en tabt bold uden ekstern assistance.

Dette forskningsresultat, som viser, at robotter intuitivt kan læres at være fleksible af mennesker, har tiltrukket sig stor opmærksomhed, da det ikke blev opnået gennem numerisk beregning eller programmering af robottens bevægelser. Denne undersøgelse forventes at hjælpe med at fremme studiet af interaktioner mellem mennesker og robotter, bringer os et skridt tættere på en verden, hvor robotter er en integreret del af vores daglige liv.

Kim sagde, "Resultatet af denne undersøgelse, som fokuserer på at lære menneskelige færdigheder til robotter, er en vigtig bedrift i studiet af interaktioner mellem mennesker og robotter."