Original web-page: http://web.cs.iastate.edu/~jia/research/research-statement.html
(მმართველობის პერიოდში)
ჰო-ვარ პუსები
Yan-Bin Jia
ჩემი გამოძიება რობოტის უნარ-ჩვევებზე გამახვილდა ფოკუსირების და კონტროლის საკითხების კოორდინირებული გაგების ძიებაზე მანიპულირების დავალებებში. ამ კვლევის ერთი მიზანი არის გეომეტრიული ინფორმაციის დინამიური მოძიება, როგორიცაა ფორმა და პოზა, და ისეთი მექანიკური ინფორმაციის, როგორიცაა მოძრაობა და ძალა. კიდევ ერთი მიზანი არის ზემოთ მოყვანილი ინფორმაციის ფრთხილად ინჟინერია, რომ ფიზიკური დავალებების შესრულების დროს რობოტმა გამოფენის უნარი გამოავლინოს. თეორიულ გამოძიებასა და ექსპერიმენტულ დემონსტრაციას შორის გაწონასწორებული ძალისხმევის მეშვეობით, ვიმედოვნებ, რომ ღრმა ცოდნას მიიღებს მოქმედებისა და დაზვერვის შესახებ, რადგან ისინი ერთმანეთთან ურთიერთობენ. განაცხადის თვალსაზრისით, ამგვარი ცოდნა მომავალში გავლენას მოახდენს არა მხოლოდ სამრეწველო ავტომატიზაციაზე, არამედ პირად რობოტებზეც.
იმისათვის, რომ საბოლოოდ რობოტმა შეძლოს ადამიანის დონეზე მიდგომის უნარის დემონსტრირება, საჭიროა სამოქმედო საშუალების ახლო ინტეგრირება, რათა გაუკეთოს გზას ის ჩარჩო, რომლის თანახმად, ობიექტური ობიექტის მართვის უნარების ფორმულირება, ანალიზი და ავტომატიზაცია. ზემოხსენებული ფილოსოფიის დასამახსოვრებლად, მე პირველ რიგში გამოვიყენე ინფორმაციის ერთი წყარო, რომელიც ფიზიკურ სამყაროში ყოვლისმომცველია — კონტაქტი ორ ან მეტ ორგანოს შორის. ეს შეიძლება იყოს ან ადგილმდებარეობა ან კონტაქტის ძალა ან ორივე. მე განსაკუთრებით მაინტერესებს რობოტული ხელით კონტაქტი (ტერმინი `რობოტული ხელი hand ზოგადად ეხება მანიპულატორს, არის თუ არა ფორმის მსგავსი ადამიანის ხელით) და ხელით მანიპულირებადი ობიექტი.
NSF CAREER ის ჯილდო – ის მხარდაჭერით (2002-2007), ჩემი გამოძიება აქცენტი გაკეთდა ლოკალიზაციაზე, აღიარებაზე, რეკონსტრუქციაზე, აგრეთვე იმ ფორმების (კერძოდ, ხვეული ფორმის) დაჭერაზე, რომლებიც, ვფიქრობ, ფუნდამენტურია იმისთვის, რომ მიაღწიონ ოსტატურად და ინტელექტუალური ობიექტის მართვა.
უახლოეს მომავალში (2007 წლამდე), ჩემი მთავარი ყურადღება გამახვილდება ზემოაღნიშნული გამოძიების გაღრმავებაზე, ყურადღების გადატანასთან ერთად 3D ტალღოვანი ფორმების მიმართ. დამატებითი დეტალები კვლევის ამ სტრიქონზე აღწერილია ქვემოთ, ნაწილები 1 და 2 ნაწილში.
უახლოეს მომავალში, ჩემი გამოკვლევა განეკუთვნება ლაპარაკი, უნაყოფო მანიპულირება და ადამიანის და რობოტის ურთიერთქმედება. ამ ძალისხმევის გეგმა შემდეგ ეტაპზე მე -5 ნაწილში იქნება.
1. ტაქტიკური ფორმის ამოცნობა დიფერენციალური ინვარიანტების გამოყენებით.
დოქტორანტი სტუდენტი რინატ იბრაევი და მე ვსწავლობდით, თუ როგორ უნდა ამოვიცნოთ დაბალი ხარისხის პოლინომიური მრუდებით შემოსაზღვრული ფორმები, მინიმალური ტაქტილური მონაცემების გამოყენებით. პრობლემა განზოგადებს ტრადიციულ მოდელზე დაფუძნებულ აღიარებას იმ თვალსაზრისით, რომ ახლა თითოეული მოდელი არა მხოლოდ სპეციფიკური ფორმაა, არამედ პარამეტრული ფორმების უწყვეტობის ოჯახი.
დიფერენციალურ და ნახევრად დიფერენცირებულ ინვარიანტებს აქვთ უპირატესობა, რომ მოითხოვონ ადგილობრივი მონაცემები (რომელსაც შეაქვთ სენსორების საშუალებით). ჩვენს მიერ მოპოვებული ინვარიანტები დამოუკიდებელია არა მხოლოდ თარგმნისა და ბრუნვისაგან (როგორც კომპიუტერულ ხედვაში გამოყენებული ინვარიანტები), არამედ სასაზღვრო წერტილებიდან, სადაც მათი შეფასება ხდება. თეორიულად, მაქსიმუმ სამი ასეთი პუნქტია საჭირო კვადრატული მოსახვევებისა და კუბური სპლინის მოსახვევებისთვის.
ეს შეუცვლელები საშუალებას გვაძლევს განვასხვავოთ მრუდის ერთი ოჯახი მეორისგან და განვსაზღვროთ ნამდვილი ფორმა ამოცნობილი ოჯახიდან. გარდა ამისა, ასევე შეიძლება შეფასდეს საკონტაქტო ადგილები, რომელთა დროსაც მოხდა ტაქტილური მონაცემების დადგენა, შესაბამისად, ცნობილი ხდება ფორმის თითის შედარებით განთავსება. ამრიგად, ინვატარზე დაფუძნებულმა მიდგომამ შეიძლება ლამაზად გააძლიეროს ფორმის ამოცნობა, გაჯანსაღება და ლოკალიზაცია, რადგან ადამიანის ხელი ყოველდღიურად ქვეცნობიერად ხდება.
ამ მიდგომის მოქმედების მხარდასაჭერად ჩვენ ჩავატარეთ წინასწარი ექსპერიმენტები რეალური ტაქტილური მონაცემებით. სტაბილური მეთოდია შედგენილი, მოსახვევებისა და მისი წარმოებულების შესაფასებლად.
წინასწარი ნამუშევარი ამ თემაზე იქნა ნაპოვნი 2004 წლის IEEE საერთაშორისო კონფერენციაზე რობოტები და ავტომატიზაცია (ICRA). უფრო სრულყოფილი ვერსია (გარკვეული ექსპერიმენტული შედეგებით) წარმოდგენილი იქნა 2004 წელს საერთაშორისო სემინარზე რობოტიკის ალგორითმული საფუძვლების შესახებ (WAFR) და 2005 წელს შეირჩა რობოტების კვლევის საერთაშორისო ჟურნალის (IJRR) საერთაშორისო გამოცემაში.
სამომავლო გაგრძელება: ჩვენ გავავრცელებთ ინვარიანტების დიზაინს აპლიკაციებში გამოყენებულ უფრო ზოგად მოსახვევებში და ავაშენებთ ცნობის ხის 2D მრგვალ ფორმებს, რომელთა მოძიება შესაძლებელია ტაქტილ მონაცემებზე დაყრდნობით. შემდეგ ჩვენ გადავდივართ, რომ შეისწავლონ მრუდი ფორმის ფორმები ინდივიდუალურად, 3D (ეს არის პოტენციური სადოქტორო დისერტაციის თემა რინატისთვის).
2. ნაწილების ლოკალიზაცია და რეკონსტრუქცია სენსორების საშუალებით
შთაგონებული ადამიანის ხელით შეუძლია განსაზღვროს ნაცნობ ობიექტზე მისი განთავსება თითის კვალით და თითებით, მე აჩვენა, თუ როგორ უნდა მოვახდინოთ ლოკალიზაცია 2D მრგვალი ფორმის შეხებით სენსორით აღჭურვილი ყბის მოძრაობით. გაზომვადი ინფორმაცია მოიცავს, თუ რამდენად გადაუხვია ყბა და რამდენად გადავიდა იგი ფორმაზე.
მე დავამუშავე ციფრული ალგორითმი, რომელიც გამოთვლის ყბის კონფიგურაციას მოძრავი მოძრაობის შემდეგ. ალგორითმი არის სრული და რიცხვითი გამოთვლის ოდენობა ასიმპტომურად ოპტიმალურია. ლოკალიზაცია აჩვენეს რობოტზე ჩატარებული ექსპერიმენტების საშუალებით. იმის ნაცვლად, რომ გამოიყენოთ ინდუსტრიული ძალის/ბრუნვის სენსორები (რომლებიც ძვირია და ზოგჯერ გადატვირთულია ლაბორატორიული ექსპერიმენტებისთვის), მე ჩავატარე 3 ღერძიანი ძალა/ბრუნვის სენსორი, რომელსაც შეუძლია დაადგინოს კონტაქტის ადგილმდებარეობა. ლოკალიზაციის შესახებ პროგრესული შედეგები იქნა წარმოდგენილი ICRA 2000 და 2001 და 2003 წლებში IEEE/RSJ საერთაშორისო კონფერენციებზე ინტელექტუალური რობოტებისა და სისტემების შესახებ (IROS). მოკლე შინაარსი პირობითად იქნა მიღებული IEEE გარიგებები რობოტები–ზე.
იმავდროულად, დოქტორ. სტუდენტმა ლ იან გ ნავი მი – მა აჩვენა, თუ როგორ შეიძლება მარტივი სენსორული მოქმედება, როგორიცაა ჯოისტიკა, რეკონსტრუქციის მოსახვევი ფორმის რეკონსტრუქციისთვის, ფორმის სიზუსტის დაკარგვით. ჯობსისკის შეზღუდული ძალის შეგრძნების მიუხედავად, მას შეუძლია წარმოქმნას კონტაქტის ზუსტი გაზომვები ადეპტის რობოტის მაღალი თანამდებობრივი სიზუსტის გათვალისწინებით. ლიანჩუანს მივიდა პოზიტიური კონტროლის სტრატეგია, რომელიც პროგნოზირებს მოძრაობის მიმართულებას მომდევნო ნაბიჯზე, რომელიც ემყარება მიმდინარე ძალის კითხვისა და ადგილობრივი თვალთვალის ისტორიის მრავალკუთხედს. ეს ნამუშევარი წარმოდგენილი იქნება IROS 2004 წელს იაპონიაში.
სამომავლო გაფართოებები: ობიექტის ლოკალიზაცია ხელით შეხებისას შეცვლის რობოტიზმში მოპოვების პარადიგმას, სადაც ამჟამად სენსორული მოქმედება ხშირად ხორციელდება ხედვის სისტემით ან ხელიდან მოწყვეტილი სენსორებით. შემდგომი გამოძიება “შეგრძნების” ინტერპრეტაციასთან დაკავშირებით, ვფიქრობ, შესაძლებელს გახდის მჭიდრო ინტეგრაციას გრძნობასა და კონტროლს შორის. შემდეგი ნაბიჯი იქნება გადავიდეთ შესწავლის სტრატეგიების შესწავლაზე, რომლებიც უკუკავშირისკენ არის მიმართული და უფრო მძლავრი შეცდომების და გაურკვევლობებისკენ. იმავდროულად, ფორმის თვალთვალის სამუშაო გაგრძელდება 3D ზედაპირების რეკონსტრუქციაზე, რაც იმედი მაქვს, რომ ლიანჩუანი ჩემთან ერთად გამოიძიებს თავის დოქტორანტურაში. დისერტაცია.
3. მრუდი გამოთვლა და ანტიპოდური კრუნჩხვების პოვნა.
მოსახვევებთან დაკავშირებული გეომეტრიული ქვესტრუქციების პოვნა (მაგალითად, ჩვეულებრივი ტანგენტები და ანტიპოდური წერტილები) შეიძლება ჩამოყალიბდეს როგორც ტრადიციული არაწრფივი პროგრამირება. მაგრამ ასეთი გამოსავალი არ იქნება არც სრულყოფილი და არც ეფექტური, არაინლაინური პროგრამირების მეთოდების თანდაყოლილი ადგილობრივი ბუნების გამო. მე დავანახე, რომ ორი განზომილებით, გამოთვლითი ეფექტურობა და (თითქმის) სისრულე მიიღწევა როგორც გლობალური, ისე დიფერენციალური გეომეტრიის გამოყენებით.
მე წარმოგიდგენთ მრუდი დამუშავების სქემას, რომელიც ასრულებს მრუდ მონოტონურ სეგმენტებს (გარკვეული დავალების სპეციფიკურ კრიტერიუმებზე დაყრდნობით), შემდეგ კი წყვილი ამ სეგმენტებზე რიცხვითი ბისკაციით მოძრაობს. ამ იდეის წარმოსადგენად მე წარმოგიდგენთ ეფექტური ალგორითმი, რომელიც ითვლის, რიცხვითი რეზოლუციის ყველა წყვილს, ანტიპოდულური წერტილების წრფივ მოსახვევ ფორმაზე. ეს წერტილები გამოიყენება ფორმის სტაბილური სიმძიმის მისაღწევად. ალგორითმი იყენებს დიფერენციალურ გეომეტრიაში ახალ შეხედულებებს ორ ანტიპოდულ წერტილში და იყენებს ქვევრს, რომ აშენებს ორი მრუდი სეგმენტის ყველა საერთო სამიზნესთან ახლოს. ალგორითმის რიცხვითი კონვერგენციის სიჩქარე და გაშვების დრო განისაზღვრა.
ნამუშევარი წარმოადგენს წინსვლის გამოთვლას, რომელიც მოიცავს პარამეტრულ მრუდებს და ასევე იძლევა დამაკმაყოფილებელ გამოსავალს რობოტების ხელში ჩაგდებაში ერთ-ერთი ცნობილი პრობლემის შესახებ. იგი აღწერილია 31 – გვერდიანი IJRR სტატიაში 2004 წელს.
გარდა ამისა, მე ასევე გამოვიყენე ზემოთ მოყვანილი მრუდის გამოთვლის სქემა, დახურული პარამეტრული თვითმფრინავის მოსახვევებში ამოზნექილი საყრდენების შესაქმნელად. ეს ნამუშევარი შეჯამებულია 51-გვერდიანი კომპოზიციური გეომეტრიის წარდგენაში: თეორია და პროგრამები.
4. გეომეტრიული და დინამიური რობოტების ზონდირება (სადოქტორო დისერტაცია)
ჩემი ნაშრომის შესწავლილი იყო გეომეტრიული და მექანიკური სააზროვნო სტრატეგიები ცნობილი ფორმის ობიექტებისთვის (რომლებიც მოიცავს სამრეწველო ნაწილებს და ყოველდღიური დესკტოპის საგნებს). მე პირველად შემოვიღე ორი სტრატეგია, რომლებიც იყენებენ მარტივ გეომეტრიულ შეზღუდვებს, ან ობიექტის უკვდავყოფამდე, ან მისი რეალური პოზის განსხვავება აშკარა პოზების საბოლოო რიცხვიდან. გამოკვლეულია კომპიუტერული სირთულის საკითხები. შემდეგ შევიმუშავე სააზროვნო სტრატეგია, სახელწოდებით “პოზა და მოძრაობა კონტაქტიდან”. არაწრფივი დაკვირვების თეორიის გამოყენებით, მე დავამტკიცე, რომ ძირითადი ამოცანის ინფორმაცია ხშირად იმალება მექანიკურ ურთიერთქმედებებში და დავანახე, თუ როგორ შეიძლება ამ ინფორმაციის სწორად გამოვლენა. დანიშნულებისამებრ შეიქმნა არაწრფივი დამკვირვებლები.
სადისერტაციო ნაშრომი შესრულდა კარნეგი მელონის უნივერსიტეტში. შედეგების უმეტესი ნაწილი გამოქვეყნდა IJRR– ს ორ ნაშრომში (შესაბამისად, 28 გვერდი და 25 გვერდი), 1996 და 1999 წლებში. დამოუკიდებელი შედეგი (ტაქტიკური მოძრავი სენსორებისგან შემუშავებულ პალმზე მოძრავი 3D ობიექტის ადგილობრივ დაკვირვებაზე) წარმოდგენილი იყო WAFR– ში. 1998 წ.
5. სამომავლო კვლევის გეგმა
გარდა ტაქტიკური ფორმის ამოცნობისა და რეკონსტრუქციის მცდელობებისა, როგორც ეს აღწერილია 1 და მე -2 ნაწილებში, ჩემი სამომავლო კვლევის დღის წესრიგში ასევე შედის ჰეპტიკა, ძირეული მანიპულირება და ადამიანი-რობოტი ურთიერთქმედება.
ხატწერები – ის ერთ – ერთი ღია საკითხია საპასუხო შეფერხებებთან გამკლავება, რაც ხშირად იწვევს ხაპიური სისტემის არასტაბილურობას. ეს, პირველ რიგში, ფიზიკური გარემოს სანდო მოდელის არარსებობის გამო ხდება. იმავდროულად, ბევრი რამ უნდა გამოიკვლიოს ჰაპტიურ გააზრებაში რეალურ გარემოში გაზომვების გამოყენების მიზნით, ფიზიკური ფორმის ფორმების, სიმკვეთრის, ტექსტურისა და ა.შ. მოდელების ასაშენებლად, რეაგირების დააჩქაროს, ტაქტილური გაზომვები შეიძლება შერწყმდეს აპრიორულ ცოდნასთან, აშენდეს უხეში (ადგილობრივი) გარემოს მოდელი. ასეთი მოდელი უზრუნველყოფს ინფორმაციას, როგორიცაა ფორმა, სიმტკიცე და ა.შ., შემდეგ ის დახვეწილია მოსამსახურესა და გარემოს შორის ურთიერთქმედების დროს, მომხმარებლის ხელმძღვანელობით. მრავალჯერადი მომხმარებლების ურთიერთქმედებისას იგივე გარემოში, ტაქტიკური მონაცემების შერწყმა და ბილიკის დაგეგმვა ასევე საინტერესო კვლევის თემებს შორისაა.
უნაყოფო მანიპულირების დროს მსურს გადავწყვიტო მისი ობიექტის მანიპულირების პრობლემა მისი გეომეტრიული და ფიზიკური თვისებების შესწავლისას, მხედველობით ან მის გარეშე. პროგრამებში შედის დავალებები, რომელთაც აქვთ სირთულის მაღალი ხარისხი, მაგალითად, რობოტიზებული და რობოტიზირებული ოპერაციები, სივრცეში გამოკვლევა და საყოფაცხოვრებო რობოტები (სადილის მაგიდაზე კერძების გაწმენდისგან შუქის შეცვლის ამოცანები). პრობლემა თავისთავად წარმოადგენს წარმომადგენლობითი დომენი, სადაც რობოტიკაში რამდენიმე კვლევითი სფეროა გაერთიანებული: დინამიკა და ხელის კონტროლი; ობიექტის დაკვირვება; დინამიური შეზღუდვების შეზღუდვა; მანიპულირების ტრაექტორიის დაგეგმვა; ფორმის, ტექსტურების, სიმტკიცე და სხვ.; აღდგენა/შეფასება; და სენსორის შერწყმა (მაგ., მრავალი სენსორული სენსორის ან ხედვის სისტემის არსებობის შემთხვევაში). არსებული სამუშაოები ძირითადად კონცენტრირებულია ზემოთ ჩამოთვლილ ერთ სფეროზე, ზოგჯერ შეზღუდული ვარაუდებით, ისე, რომ შედეგები არ არის ისეთი ზოგადი, რომ გამოყენებული იყოს რეალურ დავალებებში, სირთულის გონივრული ხარისხით. ცხადია, საჭიროა ძალისხმევა მათი როლებისა და ურთიერთქმედებების გასაგებად და შედეგების ერთიან ჩარჩოებში დახასიათებისთვის, რათა ამ სფეროში მნიშვნელოვანი მიღწევა იყოს. ასეთი გაგება და მისი ექსპერიმენტული გადამოწმება აუცილებელი იქნება ზოგადი დანიშნულების რობოტების მოსვლამდე. მე ვიცი, რომ ეს კვლევა შეიძლება იქცეს გრძელვადიანი სამეცნიერო ძალისხმევით, მაგრამ თავდადებული ძალისხმევა ნამდვილად ღირსი იქნება.
კიდევ ერთი საინტერესო სფერო, რომელიც სამომავლოდ შეისწავლით, არის ადამიანის და რობოტის ურთიერთქმედება. როგორ გავითვალისწინოთ რობოტმა ისწავლოს მანიპულირების უნარები, როდესაც ის ადამიანის მიერ არის მწვრთნელი? შეიძლება თუ არა რობოტი და ადამიანი ფიზიკურად მონაწილეობდნენ თამაშში, როგორიცაა პოკერი, როგორებიც აკეთებენ ორი ადამიანი (გარიგების ბარათები, ბარათების შერევა და ა.შ.)? მოსალოდნელია, რომ სწავლა მნიშვნელოვან როლს შეასრულებს, გარდა გაძლიერებული უნარისა, საკონტროლო ალგორითმების ფორმაში, რომელიც ძირითადად მექანიკას ეხება. ურთიერთქმედებიდან გამომდინარე, ადამიანურ მწვრთნელს ყოველთვის უნდა შეეძლოს “სწავლის” პროცესის დაჩქარება რობოტში დახვეწილი ცოდნის რეპროგრამით.
მე ვგეგმავ ჩემს ლაბორატორიას, რომ მომდევნო რამდენიმე წლის განმავლობაში იქცეს კვლევითი ჯგუფის მინიმუმ ხუთი კურსდამთავრებული სტუდენტისა და რამდენიმე ბაკალავრიატის სამეცნიერო ასისტენტის თანაშემწე. სამი ან ოთხი წლის შემდეგ, ჯგუფი სავარაუდოდ მინიმუმ ერთ სადოქტორო გამოცდას მიიღებს. ყოველ მეორე წელს. მე ვიმუშავებ სამაგისტრო სტუდენტების ნაკადის შესანარჩუნებლად და ლაბორატორიის ინტელექტუალური გამომუშავებისთვის. საკმარისი საგრანტო მხარდაჭერა და აგრესიული სტუდენტების რეკრუტირების სტრატეგია ორივე მნიშვნელოვანია ამ მიზნების მისაღწევად. ამ ძალისხმევით, მე შევეცდები ლაბორატორია დავამყარო თვალსაჩინო რობოტიკაში, რომელიც ძლიერ არის ორიენტირებული გეომეტრიაზე, შეხებაზე და რობოტის უნარზე.
