人在回路的混合增强智能在Sawyer的研究与验证

doi:10.11959/j.issn.2096-6652.201933

智能科学与技术学报 ›› 2019, Vol. 1 ›› Issue (3): 280-286.doi: 10.11959/j.issn.2096-6652.201933

人在回路的混合增强智能在Sawyer的研究与验证

付海军^1,²,陈世超^1,³,林懿伦¹,熊刚¹,胡斌¹()

¹ 中国科学院自动化研究所复杂系统管理与控制国家重点实验室，北京 100190
² 中国科学院大学人工智能学院，北京 100049
³ 澳门科技大学，澳门 999078

修回日期:2019-08-01 出版日期:2019-09-20 发布日期:2019-12-17
作者简介:付海军（1993- ），男，河南信阳人，中国科学院大学人工智能学院硕士生，主要研究方向为边缘计算。|陈世超（1987- ），男，山东日照人，中国科学院自动化研究所复杂系统管理与控制国家重点实验室助理研究员，主要研究方向为平行感知、工业物联网、机器学习、智能制造等。|林懿伦（1989- ），男，广东广州人，中国科学院自动化研究所助理研究员，主要研究方向为机器学习、智能机器人、智能交通系统等。|熊刚（1969- ），男，四川乐山人，中国科学院自动化研究所复杂系统管理与控制国家重点实验室研究员，主要研究方向为复杂系统平行控制、智能制造、智能交通。|胡斌（1976- ），男，山东烟台人，中国科学院自动化研究所助理研究员，主要研究方向为智能机器人、无人机、社会制造等。
基金资助:
国家重点研发计划基金资助项目(2018YFB1702701);国家自然科学基金资助项目(61773381);国家自然科学基金资助项目(61773382);国家自然科学基金资助项目(61533019);国家自然科学基金资助项目(61872365);北京市自然科学基金资助项目(4182065)

Research and validation of human-in-the-loop hybrid-augmented intelligence in Sawyer

Haijun FU^1,²,Shichao CHEN^1,³,Yilun LIN¹,Gang XIONG¹,Bin HU¹()

¹ The State Key Laboratory of Management and Control for Complex Systems,Institute of Automation,Chinese Academy of Sciences,Beijing 100190,China
² School of Artificial Intelligence,University of Chinese Academy of Sciences,Beijing 100049,China
³ Macau University of Science and Technology,Macau 999078,China

Revised:2019-08-01 Online:2019-09-20 Published:2019-12-17
Supported by:
The National Key Research and Development Program of China(2018YFB1702701);The National Natural Science Foundation of China(61773381);The National Natural Science Foundation of China(61773382);The National Natural Science Foundation of China(61533019);The National Natural Science Foundation of China(61872365);Beijing Natural Science Foundation(4182065)

摘要/Abstract

摘要：

机器学习根据历史数据的模式预测未来，近年来进行了大量研究并得到了应用，但在处理动态、非完整、非结构化信息上与人类相去甚远。为此，引入人的决策，结合机器学习、知识库，构建了一个人在回路的混合增强智能闭环系统。基于 Sawyer 协作机器人搭建了人机融合实验平台，设计了机器人抓取实验。实验结果表明，相比单一机器学习方式，在引入人类智能后，Sawyer在应对非结构化环境下的抓取任务中表现更佳。

关键词: 人机融合, Sawyer, 协作机器人

Abstract:

Machine learning predicts the future through the patterns of past data,and has gained a lot of research and application in recent years.However,it’s far away from human in dynamic,non-complete,and unstructured information processes.Therefore human decision-making,combined with machine learning,knowledge base were introduced in this paper and a human-in-the-loop hybrid-augmented intelligence closed-loop system was built.Based on Sawyer collaborative robot,a human-machine collaboration experiment platform was built,and a grasping experiment was designed.It turns out that the Sawyer,which is introduced human intelligence,performs better in dealing with unstructured environments than that only machine learning is used.

Key words: human-machine collaboration, Sawyer, collaborative robot

中图分类号:

TP242.6

付海军, 陈世超, 林懿伦, 等. 人在回路的混合增强智能在Sawyer的研究与验证[J]. 智能科学与技术学报, 2019, 1(3): 280-286.

Haijun FU, Shichao CHEN, Yilun LIN, et al. Research and validation of human-in-the-loop hybrid-augmented intelligence in Sawyer[J]. Chinese Journal of Intelligent Science and Technology, 2019, 1(3): 280-286.

图/表 10

图1

图2

图3

图4

图5

图6

图7

图8

图9

图10

参考文献 21

[1]	COLGATE J E , PESHKIN M A . Cobots[P]. 1999.
[2]	COLGATE J E , PESHKIN M A . Cobots[J]. Industrial Robot:An International Journal, 1999,26(5): 335-341.
[3]	IAN L , HONGLAK L , ASHUTOSH S . Deep learning for detecting robotic grasps[J]. International Journal of Robotics Research, 2013,34(4-5): 705-724.
[4]	JEFFREY M , MATTHEW M , LIU X Y . Dex-Net 3.0:computing robust vacuum suction grasp targets in point clouds using a new analytic model and deep learning[C]// IEEE International Conference on Robotics and Automation (ICRA),May 21-26,2018,Brisbane,Australia. Piscataway:IEEE Press, 2018: 5620-5627.
[5]	ASHESH J , SHIKHAR S , ASHUTOSH S . Beyond geometric path planning:learning context-driven trajectory preferences viasub-optimal feedback[C]// 16th International Symposium on Robotics Research (ISSR),December 12-14,2016,Limassol,Cyprus. Heidelberger:Springer, 2016,114: 319-338.
[6]	ANDREWD W , JARVIS A S , ALEX R A ,et al. Dynamic task execution using active parameter identification with the baxter research robot[C]// IEEE Transactions on Automation Science and Engineering,August 20-23,2017,Xi’an,China. Piscataway:IEEE Press, 201714(1): 391-397.
[7]	SAYAN S , ANAK A J . Task and motion planning for manipulator arms with metric temporal logic specifications[J]. IEEE Robotics and Automation Letters, 2018,3: 379-386.
[8]	JU Z F , YANG C G , LI Z J ,et al. Teleoperation of Humanoid Baxter robot using haptic feedback[C]// International Conference on Multisensor Fusion and Information Integration for Intelligent Systems (MFI),September 28-29,2014,Beijing,China. Piscataway:IEEE Press, 2014: 43-48.
[9]	YANG C G , WANG X Y , CHENG L ,et al. Neural-learning-based telerobot control with guaranteed performance[J]. IEEE Transactions on Cybernetics, 2017,47(10): 3148-3159.
[10]	YANG C G , WANG X J , LI Z J ,et al. Teleoperation control based on combination of wave variable and neural networks[J]. IEEE Transactions on Systems,Man,and Cybernetics:Systems, 2017,47(8): 2125-2136.
[11]	JEFFREY I L , AIDAN J F , DANIELA R . Baxter’s homunculus-virtual reality spaces for teleoperation in manufacturing[J]. IEEE Robotics and Automation Letters, 2017,3(1): 179-186.
[12]	ANDRES F S , JOSEPH D , STEPHANIE G ,et al. Correcting robot mistakes in real time using EEG signals[C]// 2017 IEEE International Conference on Robotics and Automation (ICRA),May 29-June 3,2017,Marina Bay Sands,Singapore. Piscataway:IEEE Press, 2017: 6570-6577.
[13]	ZHENG N N , LIU Z Y , REN P J ,et al. Hybrid-augmented intelligence:collaboration and cognition[J]. Frontiers of Information Technology ＆Electronic Engineering, 2017,18(2): 153-179.
[14]	胡斌, 艾人茜, 梁旭 ,等. 一种组合式智能移动AGV控制方法及系统[P]. 2017.
	HU B , AI R X , LIANG X ,et al. A control method and system of a combined intelligent mobile AGV[P]. 2017.
[15]	胡斌, 陈桂生, 刘勇 . 一种组合式智能移动设备及其对接模块[P]. 2018.
	HU B , CHEN G S , LIU Y . A combined intelligent mobile device and docking module thereof[P]. 2018.
[16]	胡斌, 陈桂生, 刘勇 . 基于动态的组合式智能移动AGV[J]. 2017.
	HU B , CHEN G S , LIU Y . Dynamic-based combined intelligent mobile AGV[J]. 2017.
[17]	刘品杰 . ROS程序设计[M]. 北京：机械工业出版社, 2014.
	LIU P J . ROS programming[M]. Beijing: Mechanical Industry PressPress, 2014.
[18]	SU H , ZHANG Y S , LI G S ,et al. The shopping assistant robot design based on ROS and deep learning[C]// International Conference on Cloud Computing and Internet of Things (CCIOT),October 22-23,2016,Dalian,China. Piscataway:IEEE Press, 2016: 173-176.
[19]	郑南宁 . 人工智能新时代[J]. 智能科学与技术学报, 2019,1(1): 1-3.
	ZHENG N N . The new era of artificial intelligence[J]. Chinese Journal of Intelligent Science and Technology, 2019,1(1): 1-3.
[20]	张钹 . 人工智能进入后深度学习时代[J]. 智能科学与技术学报, 2019,1(1): 4-6.
	ZHANG B . Artificial intelligence is entering the post deep-learning era[J]. Chinese Journal of Intelligent Science and Technology, 2019,1(1): 4-6.
[21]	潘云鹤 . 人工智能走向2.0[J]. Engineering, 2016,2(4): 51-61.
	PAN Y H.Artificial intelligence is entering 2 . 0[J]. Engineering, 2016,2(4): 51-61.

人在回路的混合增强智能在Sawyer的研究与验证

Research and validation of human-in-the-loop hybrid-augmented intelligence in Sawyer

在线阅读

PDF下载

可视化

摘要/Abstract

引用本文

使用本文

图/表 10

参考文献 21

相关文章 15

Metrics

推荐阅读 0

[1]	曹翔, 孙长银. 基于不确定事件威胁度评估的UUV任务重规划[J]. 智能科学与技术学报, 2022, 4(4): 493-502.
[2]	张佳欣, 张森林, 刘妹琴, 董山玲, 郑荣濠. 面向海洋环境自适应采样的多AUV协同定位[J]. 智能科学与技术学报, 2022, 4(4): 503-512.
[3]	蔡莹皓, 杨华, 安璇, 王文硕, 杜沂东, 张嘉韬, 王志刚. 神经符号学及其应用研究[J]. 智能科学与技术学报, 2022, 4(4): 560-570.
[4]	赵超, 许杰, 陈星宇, 梅魁志, 兰旭光. 机器人持续学习进展与展望[J]. 智能科学与技术学报, 2022, 4(3): 308-323.
[5]	崔少伟, 王硕, 胡静怡, 张超凡. 面向机器人操作任务的视触觉传感技术综述[J]. 智能科学与技术学报, 2022, 4(2): 186-199.
[6]	徐德, 秦方博. 机器人自动轴孔装配研究进展[J]. 智能科学与技术学报, 2022, 4(2): 200-211.
[7]	葛悦光, 张少林, 蔡莹皓, 鲁涛, 温大勇, 王海涛, 王硕. 本体知识表示方法在机器人领域的应用研究综述[J]. 智能科学与技术学报, 2022, 4(2): 212-222.
[8]	胡静怡, 崔少伟, 张超凡, 张伯约, 王硕. 基于触觉感知和伺服的物体三维边缘重建方法[J]. 智能科学与技术学报, 2022, 4(2): 233-245.
[9]	董璐, 熊爱玲. 基于改进RRT*-Smart的复杂动态环境下的无人艇路径规划[J]. 智能科学与技术学报, 2022, 4(2): 264-276.
[10]	王腾, 潘晶, 董璐, 孙长银. 面向防疫的智能导诊机器人关键技术及应用[J]. 智能科学与技术学报, 2021, 3(2): 187-194.
[11]	王日中, 李慧平, 崔迪, 徐德民. 基于深度强化学习算法的自主式水下航行器深度控制[J]. 智能科学与技术学报, 2020, 2(4): 354-360.
[12]	傅汇乔, 唐开强, 邓归洲, 王鑫鹏, 陈春林. 基于深度强化学习的六足机器人运动规划[J]. 智能科学与技术学报, 2020, 2(4): 361-371.
[13]	王大伟,王卓,王鹏,王志刚,王海涛. 基于边缘计算的云原生机器人系统[J]. 智能科学与技术学报, 2020, 2(3): 275-283.
[14]	张翔,刘红卫,刘卓群,闫振国,陈小前,黄奕勇. 空间智能软体机械臂动力学建模与控制[J]. 智能科学与技术学报, 2019, 1(1): 52-61.
[15]	郑亚君,薛磊,董璐,王庆领. 基于UWB定位技术的多移动机器人编队控制[J]. 智能科学与技术学报, 2019, 1(1): 83-87.