Leonardo (robot)

Leonardos kropp av Stan Winston Studios

Leonardo är en 2,5 fots social robot , den första skapad av Personal Robots Group vid Massachusetts Institute of Technology . Dess utveckling krediteras Cynthia Breazeal . Kroppen är av Stan Winston Studios, ledare inom animatronik. Dess kropp färdigställdes 2002. Det var den mest komplexa robot som studion någonsin hade försökt med 2001. Andra bidragsgivare till projektet inkluderar NevenVision, Inc., Toyota, NASA:s Lyndon B. Johnson Space Center och Navy Research Lab. Den skapades för att underlätta studiet av människa–robotinteraktion och samarbete. Ett DARPA Mobile Autonomous Robot Software-bidrag (MARS), Office of Naval Research Young Investigators Program-bidrag, Digital Life och Things that Think- konsortier har delvis finansierat projektet. MIT Media Lab Robotic Life Group, som också studerade Robonaut 1, satte sig för att skapa en mer sofistikerad social-robot i Leonardo. De gav Leonardo ett annat visuellt spårningssystem och program baserade på spädbarnspsykologi som de hoppas kommer att göra för bättre samarbete mellan människa och robot. Ett av målen med projektet var att göra det möjligt för otränade människor att interagera med och lära roboten mycket snabbare med färre repetitioner. Leonardo tilldelades en plats i Wired Magazines lista över 50 bästa robotar någonsin 2006.

Konstruktion

Det finns ungefär sextio motorer i robotkroppens lilla utrymme som möjliggör robotens uttrycksfulla rörelse. Personal Robot Group utvecklade motorstyrsystemen (med både 8-axliga och 16-axliga styrpaket) som de har använt för Leonardo. Leonardo liknar inte någon riktig varelse, utan har istället utseendet av en fantasifull varelse [ citat behövs ] . Dess ansikte designades för att vara uttrycksfullt och kommunikativt eftersom det är en social robot. Den fantasifulla, målmedvetna unga looken är tänkt att uppmuntra människor att interagera med den på samma sätt som de skulle göra med ett barn eller husdjur.

En kamera monterad i robotens högra öga fångar ansikten. En ansiktsspårare utvecklad av Neven Vision Corporation isolerar ansiktena från fångst. En buffert på upp till 200 visningar av ansiktet används för att skapa en modell av personen när de presenterar sig själva via tal. Dessutom kan Leonardo spåra föremål och ansikten visuellt med hjälp av en samling visuella funktionsdetektorer som inkluderar färg, hudton, form och rörelse.

Gruppen planerar att Leonardo ska ha hud som kan upptäcka temperatur, närhet och tryck. För att åstadkomma detta experimenterar de med kraftavkännande motstånd och kvanttunnelkompositer . Sensorerna är skiktade över med kisel som används i sminkeffekter för att bibehålla robotens estetik.

Syfte

Målet med att skapa Leonardo var att göra en social robot. Dess motorer, sensorer och kameror gör att den kan efterlikna mänskliga uttryck, interagera med begränsade föremål och spåra föremål. Detta hjälper människor att reagera på roboten på ett mer bekant sätt. Genom denna reaktion kan människor engagera roboten på mer naturligt sociala sätt. Leonardos programmering blandas med psykologisk teori så att han lär sig mer naturligt, interagerar mer naturligt och samarbetar mer naturligt med människor.

Inlärning

Leonardo lär sig genom rumsliga ställningar. Ett av sätten en lärare undervisar på är att placera föremål nära eleven som de förväntar sig att eleven ska använda. Samma teknik, rumslig byggnadsställning, kan användas med Leonardo, som lärs bygga en segelbåt från virtuella block, med endast de röda och blå blocken. Närhelst den försöker använda ett grönt block, drar läraren bort den "förbjudna" färgen och flyttar de röda och blå blocken in i robotens utrymme. Leonardo lär sig på detta sätt att bygga båten med endast röda och blåa block.

Leonardo kan också spåra vad en människa tittar på. Detta gör att roboten kan interagera med en människa och föremål i miljön. Naturligtvis kommer människor att följa en pekande gest och/eller blick och förstå att det som pekas på eller tittar på är det föremål som den andra människan är bekymrad över och ska diskutera eller göra något med. Personal Robots Group har använt Leonardos spårningsförmåga och programmerat roboten så att den kan agera mänskligt och föra blicken till ett föremål som människan uppmärksammar. Att matcha människans blick är ett sätt Leonardo verkar uppvisa mer naturligt beteende. Att dela uppmärksamhet som detta är ett av sätten som låter roboten lära sig av en människa. Robotens uttryck, att kunna ge feedback på sin ”förståelse” är också avgörande.

Ett annat sätt som Leo lär sig är genom mimik. Samma sätt som spädbarn lär sig att förstå och manipulera sin värld är till hjälp för den sociala roboten. Genom att efterlikna mänskliga ansiktsuttryck och kroppsrörelser kan Leo skilja på sig själv och andra. Denna förmåga är viktig för människor att ta varandras perspektiv, och det är samma sak för en social robot. Att kunna förstå att "andra" inte har samma kunskap som den har låter roboten se sin miljö mer exakt och fatta bättre beslut baserat på sin programmering av vad den ska göra i en given situation. Det tillåter också roboten att skilja mellan en människas avsikter och deras faktiska handlingar, eftersom människor inte är exakta. Detta skulle göra det möjligt för en människa utan särskild utbildning att lära roboten.

Leonardo kan utforska på egen hand, förutom att tränas med en människa, vilket sparar tid och är en nyckelfaktor för framgången för en personlig robot. Den måste kunna lära sig snabbt med hjälp av de mekanismer som människor redan använder (som rumslig byggnadsställning, delad uppmärksamhet, mimik och perspektivtagning). Det kan inte heller kräva lång tid. Och slutligen ska det vara ett nöje att interagera med, därför är estetik och uttryck så viktigt. Dessa är alla viktiga steg för att få in roboten i ett hem.

Interagerar

Delad uppmärksamhet och perspektivtagande är två mekanismer som Leonardo har tillgång till som hjälper den att interagera naturligt med människor. Leonardo kan också uppnå något som empati genom att undersöka data den får från att efterlikna mänskliga ansiktsuttryck, kroppsspråk och tal. På ett liknande sätt kan människor förstå vad andra människor kan känna baserat på samma data, Leonardo har programmerats enligt reglerna för simuleringsteorin, vilket gör att den kan återge något som empati. På dessa sätt verkar social interaktion med Leonardo mer mänsklig, vilket gör det mer troligt att människor kommer att kunna arbeta med roboten i ett team.

Samarbetar

Leonardo kan arbeta tillsammans med en människa för att lösa ett vanligt problem så mycket som hans kropp tillåter. Han är mer effektiv på att arbeta axel vid axel med en människa på grund av teorin om sinnesarbete som blandas med hans programmering. I en uppgift där en människa vill ha kakor och en annan kex från två låsta platser och en av dem har bytt plats, kan Leonardo titta på den första människan som försöker ta sig dit han tror att kakorna är och öppna en låda med kakor, vilket hjälper honom att uppnå hans mål. Alla Leonardos sociala färdigheter samverkar så att de kan fungera tillsammans med människor. När en människa ber den att göra en uppgift kan den indikera vad den vet eller inte vet och vad den kan och inte kan göra. Genom att kommunicera genom uttryck och gester och genom att uppfatta uttryck, gester och tal, kan roboten arbeta som en del av ett team.

Bidragsgivare

  • Professor Cynthia Breazeal
  • Stan Winston
  • Lindsay MacGowan (konstnärlig huvudroll)
  • Richard Landon (teknisk ledare)
  • Stan Winston Studios Team
    • Jon Dawe
    • Trevor Hensley
    • Matt Heimlich
    • Al Sousa
    • Kathy Macgowan
    • Michael Ornealez
    • Amy Whetsel
    • Joe Reader
    • Grady Hållare
    • Rob Ramsdell
    • John Cherevka
    • Rodrick Khachatorian
    • Kurt Herbel
    • Rich Haugen
    • Keith Marbory
    • Annabelle Troukens
  • Fardad Faridi (animatör)
  • Studenter
    • Matt Berlin
    • Andrew "Zoz" Brooks
    • Jesse Gray
    • Guy Hoffman
    • Jeff Lieberman
    • Andrea Lockerd Thomaz
    • Dan Stiehl
  • Matt Hancher (alumner)
  • Hans Lee (alumner)

Se även

Bibliografi

Vidare läsning

  • Brooks, Andrew; Cynthia Breazeal (2006). "Arbeta med robotar och objekt: Revisiting Deictic Reference for Achieving Spatial Common Ground". Interaktion med mänsklig robot .
  • Breazeal, Cynthia; Matt Berlin; Andrew Brooks; Jesse Grey; Andrea Thomaz (2006). "Att använda perspektiv för att lära av tvetydiga demonstrationer". Robotik och autonoma system . 54 (5): 385–393. doi : 10.1016/j.robot.2006.02.004 .
  • Breazeal, Cynthia; Cory Kidd; Andrea Thomaz; Guy Hoffman; Matt Berlin. "Effekter av icke-verbal kommunikation på effektivitet och robusthet i lagarbete mellan människor och robotar". MIT Media Lab .
  • Stiehl, Walter Dan (2005). Känsliga skinn och somatisk bearbetning för affektiva och sällskapliga robotar baserat på en somatisk alfabetisk metod . Massachusetts Institute of Technology.

externa länkar

Hämtad från " https://sv.wikipedia.org/w/index.php?title=Leonardo_(robot)&oldid=1119206899 "