A Taxonomy of Construction Task Activities for Robot Workers
本文介绍了 TARCAT，这是一个由 41 个建筑动作原语组成的人类可解释分类法，这些原语源自职业数据和教学视频，旨在标准化人类工作的分析，并通过可重用、可组合的技能来推动通用机器人作业员的发展。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
要理解教机器人盖房子的挑战，首先必须理解执行单一指令的机器与理解一项工作的工人之区别。现代机器人通常像高度熟练的专家，能够完成一个完美的动作，例如焊接焊缝或粉刷一面墙，但当环境发生变化或任务需要一系列不同的动作时，它们就会显得力不从心。近年来，一种新型的人工智能出现了，它能够识别图像、理解句子并决定物理动作，为实现能够适应新情况的机器提供了路径。然而，对于建筑业而言，由于材料、工具和场地差异巨大，仅仅拥有一个聪明的“大脑”是不够的。机器人需要一种清晰的、共享的语言来准确描述它必须做什么，将复杂的人类工作分解成小的、可学习的部分，以便进行重新组合。如果没有这种词汇表，机器人就无法知道自己能够学习什么，或者缺少了什么。
这正是加州大学尔湾分校的一个研究小组试图通过一个名为 TARCAT 的新框架来解决的问题。研究人员并没有去猜测建筑机器人应该做什么，而是从真正从事这项工作的人开始着手。他们分析了美国七种最常见的建筑行业（包括木匠、电工、屋顶工和劳工）的官方职位描述。这些描述来自用于追踪经济的政府数据库，列出了人类每天执行的数百项具体任务。随后，研究人员观看了三十段这些工人在实际操作中的教学视频，仔细地将人类的每一个动作和决策映射到官方的职位描述中。通过对现实世界劳动的深入研究，他们提取出了一个包含 41 个基本动作的精确清单，他们称之为“原语”（primitives）。
这些原语是建筑工作的基石。它们并不与特定的行业或特定的工具挂钩，而是与完成某项工作所需的根本性的物理或心理能力挂钩。例如，“测量”是一个原语，无论工人是用卷尺检查墙壁，还是用压力表检查管道，这个动作都适用。同样，“交流”是一个原语，它涵盖了与同事交谈以及记录报告。研究人员将这 41 个动作分为三个主要类别：信息处理（涉及理解计划和检查状况）、交流（涵盖说话和信号传递）以及工具使用（涵盖从手指的精细动作到全身重物搬运的一切）。通过这样定义这些动作，团队创建了一个系统，使机器人可以学习一项单一技能，比如“拧紧螺丝”，并理解它是如何由更小的、可重复使用的部分组成的，如“抓取工具”、“定位手部”和“旋转手腕”。
该系统的力量在于这些微小动作是如何组合的。研究人员展示了通过按特定顺序排列这些原语，机器人可以形成一个完成子目标的“技能”，例如断开电线或贴上瓷砖。这些技能随后可以被混合和匹配，以创建整个建筑任务的复杂程序。为了证明这种抽象的动作列表确实可以在现实世界中发挥作用，团队在一个配备了灵巧手的物理机械臂上测试了其中四个工具使用类原语。他们成功地编写了程序，让机器定位电动螺丝刀、将锤子放入箱中、钉钉子以及拨开物体。这些演示证实了该分类法不仅是一个理论上的列表，而且是一套机器可以物理执行的指令。
TARCAT 的最终目标是提供一种通用的语言，使机器人能够从人类演示中学习，并帮助软件代理弄清楚如何构建新技能。如果机器人需要学习如何安装屋顶，它不需要从零开始学习；相反，它可以检索已知的测量、切割和紧固技能，并将它们组合成一个新的序列。研究人员承认，目前的工作仅涵盖了七个职业和有限的视频案例，因此该系统尚未完备。然而，通过将他们的工作扎根于人类工人的实际任务，他们为开发能够最终应对建筑工地混乱、多样且复杂现实的通用建筑机器人奠定了稳定的基础。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。