引言：模仿機(jī)器人能否很快代替人類從事園藝領(lǐng)域的一些重復(fù)性和手動(dòng)性工作？

本項(xiàng)目將探索使用新的人機(jī)交互的軟機(jī)器人系統(tǒng)及其在多種觀賞植物半自動(dòng)繁殖中的應(yīng)用。它將研究非專業(yè)用戶（即沒(méi)有技術(shù)專長(zhǎng)的用戶）的使用方式，機(jī)器人通過(guò)編程和控制后精通工廠加工。可以在工作中使用機(jī)器人，以減輕工人所遇到的重復(fù)性，勞動(dòng)密集型任務(wù)的負(fù)擔(dān)。

下圖展示了使用瑞森可的sawyer協(xié)作機(jī)械臂進(jìn)行園藝分揀任務(wù)。在這里，必須從植物托盤(pán)中取出不健康的植物。這樣做的關(guān)鍵是能夠從用戶提供的演示軌跡（青色）進(jìn)行概括，以確定從先前未見(jiàn)過(guò)的位置（紅色）采摘植物的合適軌跡。

為園藝企業(yè)招募和保留勞動(dòng)力的困難形勢(shì)比以往任何時(shí)候都更加嚴(yán)峻。長(zhǎng)期以來(lái)，將更高水平的機(jī)器人技術(shù)和自動(dòng)化視為解決這一挑戰(zhàn)的潛在方法之一，但這只有在我們能夠克服行業(yè)提出的一些獨(dú)特技術(shù)挑戰(zhàn)的情況下才能實(shí)現(xiàn)。

諸如托盤(pán)灌裝機(jī)和播種機(jī)之類的某些自動(dòng)化形式已經(jīng)很熟悉，無(wú)人駕駛拖拉機(jī)不只是夢(mèng)想。在處理農(nóng)作物本身時(shí)，機(jī)器人操縱的進(jìn)度要慢得多。

機(jī)器人在具有高度確定性的環(huán)境中工作得最好–確切地知道在哪里可以找到機(jī)器部件或它可以在多大程度上壓在表面上–但是在植物上很少那么清晰。

新一代的所謂“協(xié)作”機(jī)器人可以為這類園藝操作提供一些解決方案。協(xié)作機(jī)器人的設(shè)計(jì)本質(zhì)上是安全的，可以與人一起工作，并且其設(shè)計(jì)目的是使沒(méi)有編程背景或任何專業(yè)機(jī)器人知識(shí)的人可以快速，輕松地將他們?cè)O(shè)置為承擔(dān)簡(jiǎn)單的任務(wù)，并在以后進(jìn)行重新配置以執(zhí)行其他工作。

通過(guò)“模仿學(xué)習(xí)”，種植者將執(zhí)行他們想要的自動(dòng)化任務(wù)，而機(jī)器人通過(guò)其視覺(jué)系統(tǒng)并通過(guò)連接到種植者佩戴的“智能手套”中嵌入的傳感器來(lái)監(jiān)視他們的行為。此過(guò)程分為三個(gè)階段，從用戶執(zhí)行任務(wù)時(shí)收集傳感器數(shù)據(jù)開(kāi)始-這包括描述運(yùn)動(dòng)，相互作用力，視覺(jué)記錄，用戶正在處理的對(duì)象的位置等的數(shù)據(jù)。這為機(jī)器人提供了大量數(shù)據(jù)，但在此階段，它實(shí)際上只是一串1和0。為了從任務(wù)中獲得有用的信息，我們接下來(lái)有一個(gè)“推理階段”，其中機(jī)器人的機(jī)器學(xué)習(xí)算法從原始數(shù)據(jù)中提取任務(wù)信息。這是一種使機(jī)器人“理解”用戶從演示中獲得的意圖的方法，因此當(dāng)遇到特殊情況時(shí)，機(jī)器人將知道該怎么辦–例如，當(dāng)鍋放在其前面時(shí)，它應(yīng)該選擇并將其轉(zhuǎn)移到托盤(pán)中。最后，在確定了針對(duì)特定情況采取的適當(dāng)措施后，系統(tǒng)必須將其轉(zhuǎn)化為行動(dòng)。系統(tǒng)必須快速，安全且準(zhǔn)確地移動(dòng)才能有效執(zhí)行所學(xué)習(xí)的操作。用于協(xié)作機(jī)器人的現(xiàn)代控制器可以使剛性系統(tǒng)以柔順或“柔和”的方式運(yùn)行，從而大大降低了與周圍環(huán)境發(fā)生意外碰撞時(shí)所涉及的風(fēng)險(xiǎn)。但是，系統(tǒng)的整體性能確實(shí)取決于人員提供給它的數(shù)據(jù)的質(zhì)量。雖然模仿學(xué)習(xí)為如何將人的技能轉(zhuǎn)移到機(jī)器人上提供了一種有前途的機(jī)制，但研究的一個(gè)重要問(wèn)題是，諸如種植者等沒(méi)有機(jī)器人或編程專業(yè)知識(shí)的人是否能夠成功地向機(jī)器人進(jìn)行演示。在收集階段執(zhí)行任務(wù)時(shí)，您是在“教導(dǎo)”機(jī)器人，不僅僅是在一種情況下，而且在多種情況下，都展示了機(jī)器人如何完成任務(wù)。例如，如果您想演示如何拿起一個(gè)鍋，您將向機(jī)器人展示如何從各個(gè)位置拿起一個(gè)鍋，從而使它能夠處理鍋可能不完全放在鍋前面的情況。每次都在同一個(gè)地方。如果這些學(xué)習(xí)系統(tǒng)將直接由種植者使用，我們需要能夠指導(dǎo)人們采用良好的教學(xué)習(xí)慣。最初的研究是與J＆A Growers的志愿者進(jìn)行的，目的是更好地了解那些不是機(jī)器人專家的人如何與機(jī)器人系統(tǒng)進(jìn)行交互。同時(shí)還一直在使用可商用的工業(yè)協(xié)作機(jī)器人開(kāi)發(fā)我們的原型系統(tǒng)，并在商用苗圃中進(jìn)行了試驗(yàn)?！?/p>

參考文獻(xiàn)：

1.Sena A, Zhao Y, Howard M J. Teaching Human Teachers to Teach Robot Learners[C]//ICRA. 2018: 1-7.

2.Sena A, Michael B, Howard M. Improving Task-Parameterised Movement Learning Generalisation with Frame-Weighted Trajectory Generation[J]. arXiv preprint arXiv:1903.01240, 2019.

PbDlib開(kāi)源框架：

PbDlib是通過(guò)演示（從演示中學(xué)習(xí)）進(jìn)行機(jī)器人編程的源代碼集合。它包括統(tǒng)計(jì)學(xué)習(xí)，動(dòng)力學(xué)系統(tǒng)，微分幾何和最優(yōu)控制的十字路口上的各種功能。