Robot membantu mendandani manusia tanpa gambar

Robot sudah mahir dalam hal-hal tertentu, seperti mengangkat benda yang terlalu berat atau tidak praktis untuk dikelola orang. Aplikasi lain yang cocok untuk mereka adalah perakitan presisi item seperti jam tangan yang memiliki banyak bagian kecil — beberapa sangat kecil sehingga hampir tidak dapat dilihat dengan mata telanjang.

"Jauh lebih sulit adalah tugas yang membutuhkan kesadaran situasional, yang melibatkan adaptasi hampir seketika untuk mengubah keadaan di lingkungan," jelas Theodoros Stouraitis, ilmuwan tamu di Interactive Robotics Group di MIT's Computer Science and Artificial Intelligence Laboratory (CSAIL).

“Segalanya menjadi lebih rumit ketika robot harus berinteraksi dengan manusia dan bekerja sama untuk menyelesaikan tugas dengan aman dan berhasil,” tambah Shen Li, kandidat PhD di Departemen Aeronautika dan Astronautika MIT.

Li dan Stouraitis — bersama Michael Gienger dari Honda Research Institute Europe, Profesor Sethu Vijayakumar dari University of Edinburgh, dan Profesor Julie A. Shah dari MIT, yang mengarahkan Interactive Robotics Group — telah memilih masalah yang menawarkan, secara harfiah, segudang tantangan: merancang robot yang dapat membantu orang berpakaian. Tahun lalu, Li dan Shah dan dua peneliti MIT lainnya menyelesaikan proyek yang melibatkan pembalut tanpa lengan dengan bantuan robot. Dalam sebuah karya baru, yang dijelaskan dalam makalah yang muncul dalam IEEE Robotics and Automation edisi April 2022, Li, Stouraitis, Gienger, Vijayakumar, dan Shah menjelaskan kemajuan yang telah mereka buat pada masalah yang lebih menuntut — pakaian berbantuan robot dengan pakaian berlengan.

Perbedaan besar dalam kasus terakhir adalah karena "oklusi visual," kata Li. "Robot tidak bisa melihat lengan manusia selama proses berpakaian." Secara khusus, ia tidak selalu dapat melihat siku atau menentukan posisi atau bantalannya yang tepat. Itu, pada gilirannya, memengaruhi jumlah gaya yang harus diterapkan robot untuk menarik pakaian — seperti kemeja lengan panjang — dari tangan ke bahu.

Untuk mengatasi masalah penglihatan yang terhalang, tim telah mengembangkan "algoritme estimasi keadaan" yang memungkinkan mereka membuat tebakan yang cukup tepat tentang di mana, pada saat tertentu, siku dan bagaimana lengan dimiringkan — apakah itu diperpanjang lurus atau ditekuk di siku, menunjuk ke atas, ke bawah, atau ke samping — bahkan ketika itu benar-benar tertutup oleh pakaian. Pada setiap waktu, algoritme mengambil pengukuran robot dari gaya yang diterapkan pada kain sebagai input dan kemudian memperkirakan posisi siku — tidak persis, tetapi menempatkannya di dalam kotak atau volume yang mencakup semua posisi yang memungkinkan.

Pengetahuan itu, pada gilirannya, memberi tahu robot cara bergerak, kata Stouraitis. “Jika lengan lurus, maka robot akan mengikuti garis lurus; jika lengan ditekuk, robot harus melengkung di sekitar siku.” Mendapatkan gambaran yang dapat diandalkan itu penting, tambahnya. "Jika perkiraan siku salah, robot dapat memutuskan gerakan yang akan menciptakan kekuatan yang berlebihan dan tidak aman."

 

Algoritme mencakup model dinamis yang memprediksi bagaimana lengan akan bergerak di masa depan, dan setiap prediksi dikoreksi dengan pengukuran gaya yang diberikan pada kain pada waktu tertentu. Sementara peneliti lain telah membuat prediksi perkiraan negara semacam ini, yang membedakan pekerjaan baru ini adalah bahwa peneliti MIT dan mitra mereka dapat menetapkan batas atas yang jelas pada ketidakpastian dan menjamin bahwa siku akan berada di suatu tempat dalam kotak yang ditentukan.

Model untuk memprediksi gerakan lengan dan posisi siku dan model untuk mengukur gaya yang diterapkan oleh robot keduanya menggabungkan teknik pembelajaran mesin. Data yang digunakan untuk melatih sistem pembelajaran mesin diperoleh dari orang-orang yang mengenakan setelan "Xsens" dengan sensor bawaan yang secara akurat melacak dan merekam gerakan tubuh. Setelah robot dilatih, ia dapat menyimpulkan pose siku saat mengenakan jaket pada subjek manusia, seorang pria yang menggerakkan lengannya dengan berbagai cara selama prosedur — terkadang sebagai respons terhadap tarikan robot pada jaket dan terkadang terlibat dalam gerakan acak atas kemauannya sendiri.

Pekerjaan ini sangat terfokus pada estimasi — menentukan lokasi siku dan pose lengan seakurat mungkin — tetapi tim Shah telah pindah ke fase berikutnya: mengembangkan robot yang dapat terus menyesuaikan gerakannya sebagai respons terhadap pergeseran orientasi lengan dan siku.

Di masa depan, mereka berencana untuk mengatasi masalah "personalisasi" — mengembangkan robot yang dapat menjelaskan cara orang yang berbeda bergerak. Dalam nada yang sama, mereka membayangkan robot yang cukup fleksibel untuk bekerja dengan beragam bahan kain, yang masing-masing dapat merespons dengan cara yang agak berbeda terhadap tarikan.

Meskipun para peneliti dalam kelompok ini jelas tertarik pada balutan yang dibantu robot, mereka mengakui potensi teknologi untuk utilitas yang jauh lebih luas. “Kami tidak mengkhususkan algoritme ini dengan cara apa pun untuk membuatnya bekerja hanya untuk pembalut robot,” catat Li. “Algoritme kami memecahkan masalah estimasi keadaan umum dan karenanya dapat digunakan untuk banyak kemungkinan aplikasi. Kunci dari semuanya adalah memiliki kemampuan untuk menebak, atau mengantisipasi, keadaan yang tidak dapat diamati.” Algoritme semacam itu dapat, misalnya, memandu robot untuk mengenali niat mitra manusianya saat bekerja secara kolaboratif untuk memindahkan balok secara teratur atau mengatur meja makan.

Berikut adalah skenario yang dapat dibayangkan untuk masa depan yang tidak terlalu lama: Robot dapat mengatur meja untuk makan malam dan bahkan mungkin membersihkan balok-balok yang ditinggalkan anak Anda di lantai ruang makan, menumpuknya dengan rapi di sudut ruangan. Ini kemudian dapat membantu Anda mengenakan jaket makan malam untuk membuat diri Anda lebih rapi sebelum makan. Bahkan mungkin membawa piring-piring ke meja dan menyajikan porsi yang sesuai untuk pengunjung. Satu hal yang tidak akan dilakukan robot adalah memakan semua makanan sebelum Anda dan orang lain sampai ke meja. Untungnya, itu adalah satu "aplikasi" — seperti dalam aplikasi daripada nafsu makan — yang tidak ada di papan gambar.

Berbagi :