在遍布各处的机器人还未完全实现自主化之前，人类可能还要靠自己打理一切一段时间。这种情况近来愈发常见，因为机器人被越来越多的应用到家庭、商业或工业环境中，而这些机器人虽接近自主化，但还未完全“习得真传”。当这些机器人在执行任务过程中卡住时(毫无疑问它们会遇到这种情况)，人类操作员可以通过遥操作辅助机器人摆脱困境。然而，当前的主要问题是，这种遥操作过程非常冗长繁杂。

[-]

对大部分机器人抓取任务来说，当机器人需要辅助时，人类操作员需要一边盯着三维点云数据，一边手动调节手爪的每个自由度。佐治亚理工学院的研究人员正在试图让这一过程不再那么痛苦。他们的方法使操作员可以摆脱上述手动调节过程，通过用户友好的交互界面，只需点击一两次鼠标，就可以完成调节过程。

[-]

在纯手动调节和视频中展示的点击(point and click)抓取方法之外，来自由Sonia Chernova教授领导的佐治亚理工机器人自主和交互学习实验室(RAIL lab)的研究人员还提出了一种折衷方法，称为“受限定位(constrained positioning)”，这种方法可以智能的限制操作员手动调节时的部分自由度。区别于纯动手调节，用户只需选择抓取点、接触角度和抓取深度。把上述方法结合起来，就得到了一系列机器人遥操作抓取的方法：从6自由度纯手工调节方法，到3自由度受限定位方法，再到一步到位的点击抓取方法。读者可在这里看到这三种方法的视频。

[-]

随着这些抓取方法的改进，机器人系统越来越多的利用了环境场景信息，尽管这些信息并未用于场景识别或者物体识别。换言之，上述抓取方法需要深度视觉信息(三维点云)来辅助抓取，但方法本身并不涉及利用深度信息去理解机器人在看的是什么，这使得方法本身易于扩展和应用到新的环境而无需重新训练。这三种方法只需键鼠操作，通过浏览器访问用户友好的交互界面，用户使用起来非常舒适。舒适非常重要。因为从理想情况考虑，你肯定想让非专业用户也能轻松控制你的机器人，在使用过程中不会因为要做的事、因为机器人或者(最终)因为作为机器人拥有者的你而感到沮丧。

一项针对非专业用户的研究表明，点击抓取方法最为有效，帮助用户“更快、更一致的完成了大量任务，同时也减少了任务中的出错情况”。RAIL实验室的研究人员解释说：

尽管抓取方法较之其他方法有明显优势，受限定位方法与纯手工调节方法相比，还有一点重要优势是其可以减少用户犯错的数量。最常见的错误是抓取错位，即手爪未与环境、物体或任何其他部分产生接触。受限定位方法和点击抓取方法都要求用户进行一次点击来进行初始化，使机器人的末端执行器(手爪)在定位到环境点云数据附近。将操作范围约束在物理表面能有限减少抓取错位情况，使得利用机械臂更有效率。

由来自佐治亚理工的David Kent，Carl Saldanha 和 Sonia Chernova撰写的论文 “A Comparison of Remote Robot Teleoperation Interfaces for General Object Manipulation,” 在HRI 2017 (在Vienna, Austria召开)作了报告。

本文译自 IEEE，由 荔枝冰糖葫芦 编辑发布。

PREV : 发霉啦：今天，领导看我讲高中课程
NEXT : 电子产品爆炸了：为什么又是锂电池？