教授运动基元

轻松教导服务机器人新动作的方法对于它们在我们日常环境中的整合至关重要。理想情况下，教导机器人不应该有任何与教导人类不同的地方。

举个例子，要教一个人跳舞，你可能会首先向他们展示基本的舞步。你很可能会提到运动原语，比如“右脚向前”，而不是你身体的所有关节的实际位置。学徒舞者会试图模仿你的舞步。为了完善舞步，老师可以通过抬高肘部、挺直背部或引导舞步来进行物理上的纠正。然而，如果学生被教导用右脚向前移动，而老师却向相反方向推动，舞者很可能会停下来。这是因为完善的动作应该在舞者期望的运动周围（完善区域）内调整。随着时间的推移，舞者逐步改进自己的动作，忘记以前笨拙的舞步。

遵循这个想法，Lee等人一直在教导人型机器人“Justin”动作原语。实验使用了上肢机器人的19个关节（2倍7自由度）、躯干（3自由度）和头部（2自由度）。下图所示的框架使用了模仿学习，随后使用了迭代的运动纠正（物理上的引导性纠正），这些纠正是在完善区域内进行的。运动原语以隐马尔可夫模型表示。

作者们希望未来这些算法能够为制造能够进行自主长期学习和适应的人型机器人做出贡献。

标签: 人机交互