SHARE: Towards Head-Mounted AR with User-Centric SLAM in Shared Human-Robot Workspaces
Dit artikel presenteert SHARE, een gebruikerscentrisch SLAM-systeem voor gedeelde mens-robotwerkplekken dat de AR-gebruikerservaring prioriteert door adaptief transmissieprioriteiten aan te passen en visuele kenmerkredundantie te benutten om de latentie aanzienlijk te verminderen terwijl een hoge trackingnauwkeurigheid behouden blijft.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Stel je voor dat je een magische bril draagt die digitale plaatjes op de echte wereld kan schilderen. Je ziet misschien een virtuele robotarm die je helpt bij het bouwen van een LEGO-kasteel, of een gloeiende pijl die naar je verloren sleutels wijst. Dit is Augmented Reality (AR). Maar om deze plaatjes echt te laten voelen, moeten ze perfect zijn. Als je je hoofd draait en het virtuele plaatje zelfs maar een klein beetje achterloopt, raakt je brein in de war, lijkt het plaatje te zwemmen en kun je je zelfs misselijk voelen. Om deze magie te laten werken, moeten de brillen precies weten waar je bent en hoe de kamer eruitziet, en dat direct. Deze taak wordt SLAM genoemd (Simultaneous Localization and Mapping). Het is als een supersnelle hersenkracht die constant een kaart van de kamer tekent terwijl het ook uitzoekt waar jij je in de ruimte bevindt.
Stel je nu voor dat je niet alleen in de kamer bent. Er is ook een echte robot, zoals een stofzuiger of een helper-bot, die samen met jou werkt. Jij en de robot proberen allebei tegelijkertijd dezelfde kaart te tekenen. Meestal, om energie te besparen, sturen deze apparaten hun tekeningen naar een krachtige computer in de buurt (een "edge server") om ze samen te voegen tot één grote, perfecte kaart. Het probleem is dat deze computer vaak overbelast raakt. Hij behandelt jou en de robot precies hetzelfde, door data heen en weer te sturen met dezelfde snelheid. Maar jij en de robot hebben heel verschillende behoeften: jouw magische bril moet razendsnel zijn om de illusie levend te houden, terwijl de robot een beetje langzamer kan zijn en nog steeds zijn werk kan doen. Als de computer het verschil niet weet, kunnen je virtuele plaatjes gaan haperen, wat de magie verbreekt.
Dit is waar een nieuw systeem genaamd SHARE om de hoek komt kijken. De onderzoekers achter SHARE beseften dat het behandelen van een mens en een robot als exact hetzelfde een recept voor rampen is in een gedeelde werkomgeving. Ze hebben een systeem gebouwd dat werkt als een slimme verkeersregelaar voor data. In plaats van iedereen dezelfde hoeveelheid wegruimte te geven, kijkt SHARE naar wie er rijdt en past de snelheidslimieten aan. Het weet dat de mens met de AR-headset zich in een "snelheidszone" bevindt waar elke milliseconde telt, terwijl de robot in een "cruiseszone" zit waar hij prima even kan wachten.
Om dit te doen, gebruikt SHARE een paar slimme trucjes. Ten eerste creëert het een "geluksscore" (Quality of Experience, of QoE) voor elke gebruiker. Voor de mens daalt de score direct als er enige vertraging is. Voor de robot daalt de score pas als de robot de weg kwijtraakt of een fout maakt. Het systeem controleert voortdurend deze scores en gebruikt een speciaal wiskundig hulpmiddel (een PID-scheduler) om te beslissen wie er eerst met de server mag praten. Als de mens snel beweegt of naar een saaie, lege muur kijkt waar het moeilijk is om herkenningspunten te vinden, roept het systeem: "Mens eerst!" en versnelt de data voor de mens. Als de robot gewoon aan het cruisen is, mag hij wachten op zijn beurt.
Ten tweede is SHARE een meester in het opsporen van redundantie. In een kleine kamer kijken jij en de robot misschien tegelijkertijd naar dezelfde hoek van de muur. Oude systemen zouden de afbeelding van die hoek twee keer versturen, wat tijd en energie verspilt. SHARE berekent precies hoeveel de kijkervaring van jou overlapt met die van de robot. Als jullie allebei naar dezelfde plek kijken, wordt de data slechts één keer verzonden, wat kostbare tijd bespaart. Het is alsof twee vrienden een film beschrijven aan een derde persoon; in plaats van dat ze allebei door elkaar heen praten, wisselen ze beurten af of combineren ze hun verhalen zodat niemand hoeft te wachten.
De onderzoekers testten dit systeem in de echte wereld met echte AR-headsets (Meta Quest 3) en een grondrobot (TurtleBot 4). Ze ontdekten dat SHARE ongelooflijk effectief was. Voor de menselijke gebruikers verminderde het systeem de vertraging (latency) tot een gemiddelde van 13,22 milliseconden. Dit is een enorme verbetering; het vermindert de vertraging met 43,3% vergeleken met het standaard systeem, en het hield de vertraging ruim onder de grens van 20 milliseconden die nodig is om het "zwemmende" effect te voorkomen. Cruciaal was dat de robot niet de weg kwijtraakte; hij bleef nauwkeurig tot minder dan 2 centimeter.
In een gebruikersstudie met 20 mensen waren de resultaten zelfs nog indrukwekkender. Wanneer mensen SHARE gebruikten om de robot te besturen via hun AR-brillen, vonden zij dat de robot veel voorspelbaarder en responsiever was. Sterker nog, 65% van de deelnemers zei dat SHARE hun favoriete systeem was, en niemand koos het als hun minst favoriete systeem. De studie suggereert dat door mensen en robots verschillend te behandelen op basis van wat ze daadwerkelijk nodig hebben, we gedeelde werkomgevingen veel soepeler en magischer kunnen maken, zonder dat daar superdure computers voor nodig zijn om het zware werk te doen.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.