Adaptive Human-Robot Collaborative Painting Combining Preference-Based Optimization and Dynamic Motion Primitives

Stel je een wereld voor waarin robots niet alleen starre machines zijn die een strikt script volgen, maar eerder behulpzame partners die daadwerkelijk kunnen "voelen" wat je nodig hebt. Dit is de kern van een vakgebied genaamd Human-Robot Collaboration, of HRC. Denk erbij als een dans: in de oude dagen was de robot de leider en moest de mens zijn stappen perfect volgen. Maar in deze nieuwe stijl leidt de mens, en volgt de robot, waarbij de robot zijn bewegingen in realtime aanpast om de dans gemakkelijker en comfortabeler te maken. Om dit te doen, gebruiken wetenschappers twee belangrijke trucs. Eerst gebruiken ze "Dynamic Movement Primitives", wat als het interne spiergeheugen van een robot is dat het de robot in staat stelt om uit een enkele demonstratie een vloeiend pad te leren en dit vervolgens on the fly aan te passen. Ten tweede gebruiken ze "Preference-Based Optimization", wat in feite een manier is voor de robot om te leren wat jij leuk vindt door te vragen: "Was dat beter of slechter dan voorheen?" en zijn gedrag aan te passen op basis van jouw antwoord. Waarom is dit belangrijk? Omdat mensen in veel banen, zoals het spuiten van grote auto-onderdelen of meubels, moe worden en pijn krijgen van het vasthouden van ongemakkelijke posities. Als een robot het zware object zou kunnen vasthouden en het precies zo kan draaien dat de mens nooit te hoog hoeft te reiken of te laag hoeft te buigen, zou het werk veiliger, sneller en veel minder uitputtend zijn.

Dit artikel introduceert een slim systeem dat ontworpen is om die droom werkelijkheid te maken voor spuitlakken. De onderzoekers bouwden een opstelling waarbij een mens een spuitbus vasthoudt en een groot, gebogen object bespuit, terwijl een robotarm het object zelf vasthoudt. Het doel? De robot in realtime het object te laten draaien zodat de hand van de mens in een comfortabele, ontspannen positie kan blijven, in plaats van dat de mens zijn hele lichaam moet draaien om elk hoekje en gaatje te bereiken.

Om dit werkend te krijgen, combineerde het team het "spiergeheugen" van de robot (Dynamic Movement Praties) met een leerelement (Preference-Based Optimization). Zo werkt het: de robot kopieert niet alleen een vast pad. In plaats daarvan kijkt de robot naar de hand van de mens. Als de mens de hand iets draait om een nieuw plekje te bespuiten, vergroot de robot die kleine beweging uit tot een grotere rotatie van het object. Dit betekent dat de mens een groot oppervlak kan bespuiten door slechts kleine, gemakkelijke polsbewegingen te maken. Maar hier komt de crux: elke mens is anders. Sommige mensen willen dat de robot snel beweegt; anderen geven de voorkeur aan langzaam en gestaag. Sommigen hebben nodig dat de robot het object agressiever draait; anderen willen dat het subtiel is. Om dit op te lossen, gebruikt het systeem een algoritme genaamd GLISp. Het voert een reeks schilderproeven uit waarbij de mens verschillende instellingen probeert. Na elke poging zegt de mens simpelweg: "Dat was beter", "Dat was slechter" of "Dat was hetzelfde". De robot gebruikt deze eenvoudige voorkeuren om wiskundig op zoek te gaan naar de perfecte instellingen voor die specifieke persoon.

De onderzoekers testten dit met 15 verschillende mensen, variërend in lengte en lichaamsbouw, die een groot, gebogen paneel (ongeveer 1 vierkante meter groot) bespoten met behulp van een niet-giftige kleurstof in plaats van echte verf. Ze vergeleken de nieuwe adaptieve robot met een "statische" versie waarbij de robot het object stilhoudt. De resultaten waren veelbelovend. Het adaptieve systeem slaagde erin om de hoeveelheid beweging van de hand van de mens te verminderen. Voor de zijwaartse bewegingen kromp de bewegingsvrijheid voor sommige deelnemers met wel 73%, en gemiddeld daalde de verticale bewegingsvrijheid met ongeveer 31%. Met andere woorden: de arm van de mens bleef in een veel kleinere, comfortabelere ruimte terwijl de robot het zware werk deed van het draaien van het object.

De studie vond ook dat de robot leerde zich aan te passen aan individuele behoeften. Langere deelnemers en kortere deelnemers eindigden met verschillende "optimale" instellingen, wat bewijst dat een eenheidsbenadering niet werkt. Het systeem leerde ook een balans te vinden tussen snelheid en reactievermogen; sommige mensen gaven de voorkeur aan een directe reactie van de robot op hun hand, terwijl anderen een beetje vertraging wilden. De deelnemers rapporteerden dat ze zich comfortabeler en tevredener voelden naarmate het systeem hun voorkeuren leerde kennen, waarbij hun beoordelingen stegen naarmate de robot beter werd in het raden van wat ze wilden.

De paper merkt echter voorzichtig op dat dit nog geen magische oplossing voor alles is. Het systeem is afhankelijk van de mens om feedback te geven, en in een paar gevallen bewoog de robot te snel, waardoor de mens die instelling afwees. De onderzoekers suggereren dat toekomstige versies automatisch kunnen aanpassen voor vermoeidheid of meer variabelen kunnen bevatten om het begin van de taak te behandelen. Maar de kernbevinding is duidelijk: door de robot te laten leren van menselijke feedback en kleine handbewegingen te laten uitvergroten tot grote objectrotaties, kunnen we industrieel spuitlakken aanzienlijk minder fysiek veeleisend maken, waardoor een vermoeiende baan verandert in een ergonomisch partnerschap.