2022-06-26
 
机器人手臂姿态估计和运动预测的深度学习框架
2022年06月26日  

随着机器人逐渐被引入各种现实世界环境,开发人员和机器人专家需要确保他们能够在人类周围安全操作。近年来,他们引入了各种方法来实时估计机器人的位置和预测机器人的运动。

巴西伯南布哥联邦大学(Universidade Federal de Pernambuco)的研究人员最近创建了一种新的深度学习模型,用于估计机器人手臂的姿势并预测其运动。该模型在arXiv上预先发布的一篇论文中介绍,专门设计用于增强机器人与人类协作或交互时的安全性。

开展这项研究的研究人员之一Djamel H.Sadok告诉TechXplore:“出于预测人机交互(HRI)过程中发生事故的需要,我们探索了一种框架,以提高在机器人附近工作的人的安全性。”。“姿势检测被视为整体解决方案的重要组成部分。为此,我们提出了一种基于自校准卷积(SCConv)和极限学习机(ELM)的新的姿势检测体系结构。”

估计机器人的姿势是预测其未来运动和意图的关键步骤,进而降低机器人与附近物体碰撞的风险。Sadok及其同事介绍的姿势估计和运动预测方法有两个关键组件,即SCConv和ELM模型。

SCConvs组件改进了其模型的总体空间和通道依赖性。另一方面,ELM方法是一种有效的数据分类方法。

Sadok解释道:“我们观察到,目前还没有将这两种技术结合到我们的应用环境中的研究。”。“因此,我们决定看看这样的组合是否会改进我们的应用。我们还通过应用运动预测,考虑到姿势检测,使用递归神经网络(RNN)来改进框架。”

首先,索多克和他的同事编译了一个自定义数据集,其中包含机器人手臂与附近人类用户交互的场景图像。为了创建这些图像,他们专门使用了UR-5,这是一种由通用机器人创建的机械臂。

研究人员对这些图像进行了注释,尤其是机器人手臂的框架。然后,这允许他们使用新的数据集来训练他们框架的基于SCConv的组件SCNet。

Sadok说:“我们的目标是与其他已知体系结构(如VGG或ResNet)相比,改进观测到的错误。”。“为了提取特征,我们使用SCNet并在网络末端应用EML。接下来,我们使用长短时记忆(LSTM)算法和选通递归单元(GRU)来预测运动。我们认为这是解决此问题的一种新方法。”

Sadok和他的同事在一系列初始测试中评估了他们的框架的性能,在这些测试中,他们试图估计UR-5手臂的姿势并预测其未来的运动,因为UR-5手臂正在帮助人类用户完成与维护相关的任务。他们发现,它取得了非常有希望的结果,可以检测机械臂的姿势,并以很高的精度预测其未来的运动。

萨多克说:“我们认为,我们的主要贡献是开发出一种能够检测机械臂姿势及其运动的框架,从而提高机械臂的安全性。”。“我们还扩展了SSConv和EML的适用性,并验证了它们的组合能力。”

未来,该研究团队开发的框架可用于改善现有和新开发机器人系统的安全性。此外,他们使用的SCConv和ELM算法可以进行调整并应用于其他任务,如人体姿势估计、目标检测和目标分类。

“我们现在计划将我们的框架扩展到人类姿势检测,并联合提供机器人和姿势估计,”Sadok补充道。“通过结合这两种数据,我们可以对两种运动进行联合预测,防止它们相互作用产生的进一步风险,就像在工厂一样,并更好地对风险级别进行分类。”

漏 2022科学X网络

免责声明: 本文仅代表作者本人观点,与中国机械网无关。本网对文中陈述、观点判断保持中立,不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。请读者仅作参考,并请自行承担全部责任。本网转载自其它媒体的信息,转载目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责。如因作品内容、版权和其它问题需要同本网联系的,请在一周内进行,以便我们及时处理。
客服邮箱:service@cnso360.com | 客服QQ:23341571