Sociale robots zijn ontworpen om op natuurlijke wijze met mensen te communiceren, hen te helpen met verschillende taken. Het effectieve gebruik van gebaren zou de interactie tussen mens en robot aanzienlijk kunnen verbeteren, waardoor robots zowel verbaal als non-verbaal kunnen communiceren.

Het ontwerp van de meeste sociale robots is geïnspireerd op het menselijk lichaam, omdat dit het gemakkelijker maakt om mensachtige gebaren en gedragingen na te bootsen. Echter, verschillende robots kunnen verschillende morfologieën hebben, die hen in staat stellen om de taken waarvoor ze zijn ontworpen, het beste aan te pakken.

Onderzoekers aan de Vrije Universiteit Brussel, in België, hebben onlangs een nieuwe benadering geïntroduceerd op basis van een generieke gebarenmethode om de invloed van verschillende ontwerpaspecten te bestuderen. hun papier, gepubliceerd op Springer's Internationaal tijdschrift voor sociale robotica , presenteert een raamwerk dat snel gebaren genereert die passen bij de specifieke configuratie van een robot.

"In deze krant, we stellen een nieuwe methodologie voor om de invloed van verschillende ontwerpaspecten te bestuderen op basis van een generieke gebarenmethode, " schreven de onderzoekers in hun paper. "De gebarenmethode is ontwikkeld om de moeilijkheden bij het overbrengen van gebaren naar verschillende robots te overwinnen, een oplossing bieden voor het correspondentieprobleem."

De methode die door dit team van onderzoekers is bedacht, kan problemen oplossen bij het overbrengen van gebaren naar robots met verschillende vormen en configuraties. Gebruikers kunnen de morfologische informatie van een robot invoeren en de tool zal deze gegevens gebruiken om de gebaren voor die robot te berekenen.

"Een kleine set morfologische informatie, ingevoerd door de gebruiker, wordt gebruikt om het generieke raamwerk van de software tijdens runtime te evalueren, " legden de onderzoekers uit. "Daarom, gebaren kunnen snel en eenvoudig worden berekend voor een gewenste robotconfiguratie. Door een reeks gebaren te genereren voor verschillende morfologieën, het belang van specifieke gewrichten en hun invloed op een reeks houdingen en gebaren kan worden bestudeerd."

Om ervoor te zorgen dat hun methode toepasbaar zou zijn op verschillende soorten robots, de onderzoekers lieten zich inspireren door een menselijk basismodel. Dit model bestaat uit verschillende kettingen en blokken, die worden gebruikt om de verschillende rotatiemogelijkheden van mensen te modelleren. De onderzoekers hebben aan elk gewrichtsblok een referentiekader toegewezen met behulp van het menselijke basismodel als referentie om het algemene raamwerk achter hun methode te construeren.

"Om gebaren te genereren voor een bepaald robotmodel, de methode gebruikt de Denavit-Hartenberg (DH) parameters van de configuratie als invoer, waarbij de verschillende gewrichten van de robot zijn gegroepeerd in kettingen en blokken van het menselijke basismodel, " legden de onderzoekers uit in hun paper. "Tijdens runtime, het generieke raamwerk van de methode wordt geëvalueerd met behulp van deze informatie, en als zodanig, aangepast aan de robot in kwestie."

Omdat verschillende functies belangrijk zijn voor verschillende soorten gebaren, de door de onderzoekers bedachte methode is ontworpen om in twee verschillende modi te werken, namelijk de blokmodus en de eindeffectormodus. De blokmodus wordt gebruikt om gebaren zoals emotionele uitdrukkingen te berekenen in gevallen waarin de algehele plaatsing van de arm cruciaal is. De eindeffectormodus, anderzijds, berekent gebaren in situaties waarin de positie van de eindeffector belangrijk is, zoals tijdens het manipuleren of aanwijzen van objecten.

"De gebarenmethode bewijst zijn nut in het ontwerpproces van sociale robots door een indruk te geven van de benodigde hoeveelheid complexiteit die nodig is voor een bepaalde taak, en kan interessante inzichten geven in het vereiste gewrichtshoekbereik, ', aldus de onderzoekers.

In hun studie hebben de onderzoekers pasten hun methode toe op het virtuele model van een robot genaamd Probo. Ze gebruikten dit voorbeeld om te illustreren hoe hun methode zou kunnen helpen bij het bestuderen van de collocatie van verschillende gewrichten en gewrichtshoekbereiken in gebaren. In de toekomst, hun aanpak zou kunnen helpen bij de ontwikkeling van sociale robots die natuurlijke gebaren kunnen uitvoeren die passen bij hun morfologie en toepassing.

© 2019 Wetenschap X Netwerk