导航:EXPO21XX>机器人21 xx>H21:人形和机器人研究麻省理工学院媒体实验室
麻省理工学院媒体实验室
视频
载入播放器…
  • 提供配置文件
  • 个人机器人小组专注于开发个人机器人的原理、技术和技术。辛西娅和她的学生已经开发了许多机器人生物，从机器人花园，到将机器人技术嵌入熟悉的日常工艺品(如衣服、灯、台式电脑)，到创造高度表达的类人机器人——包括著名的社交机器人莱昂纳多。
产品组合

  • 研究

      • MDS

      • MDS机器人是我们新的机器人平台，它推动了现有机器人技术的极限。它合成了一种新的组合:(1)机动性——一个轮式底座，能够在受限或复杂的环境中以人的速度移动;(2)灵巧——一个五自由度的手和手腕，设计用于物体操作和表达手势;(3)社会性——一张表情丰富的脸，能够做出各种人类风格的面部表情。
        该平台的目的是支持人机交互、团队合作和社会学习方面的研究和教育目标。总共将开发4台MDS机器人，用于研究机器人-机器人和人-机器人的协作任务。机器人的整体设计由MIT负责，移动底座由UMASS Amherst公司开发，机械手由Xitome design公司和Meka Robotics公司合作开发，头部由Xitome design公司制造。

        该项目部分由ONR DURIP奖“支持不确定环境中复杂人-机器人团队合作的移动、灵巧、社交机器人”(奖项编号N00014-06-0516)和ONRBAA奖“支持点对点人-机器人团队合作的鲁棒认知模型”(奖项编号ONRBAA08-001)资助。

        模拟器

        作为我们MURI项目的一部分，我们的团队正在为MDS机器人构建一个虚拟世界模拟器，以帮助我们开发复杂的人-机器人团队行为。

        我们项目的仿真伙伴是基于USARSim模拟器的。USARSim基于Unreal Tournament 2004，并添加了各种元素(如机器人和环境)来模拟城市搜索和救援场景。USARSim包含模拟NIST城市搜救自主移动机器人参考测试设施中真实测试场地的地图。

        我们在USARSim中添加了一个MDS模型，它精确地类似于物理机器人的自由度。机器人的几个感知系统也进行了模拟，包括头部的立体相机对和机器人底座上的Hokuyo激光扫描仪。虚拟MDS还配有声音和里程计传感器，并可选地配备IMU或GPS。

        我们的团队也在开发可以可视化机器人状态的工具(激光读数、地图上的定位信息等)，以便远程操作
        控制机器人的每个自由度，并从摄像机获得实时视频。

        我们的长期研究涉及人类和机器人之间的点对点协作、自动机器人任务分配以及不确定性下的代理团队规划。

        参与的大学包括麻省理工学院、华盛顿大学、范德比尔特大学、马萨诸塞大学阿默斯特分校和斯坦福大学。

        奖
        • Siggraph 2008新技术演示的最佳展示奖。
        • 《时代》杂志“2008年50项最佳发明”。

        • 移动机械手

        • 机器人的主底盘基于UMASS Amherst感知机器人实验室(由Rod Grupen指导)开发的uBot5移动机械手。移动基座是一个动态平衡平台(类似于微型机器人赛格威基座)，能够以人类行走的速度穿过室内环境。在MDS机器人上，由于增加了头部和手臂组件，因此在基座上增加了第三个轮子，以提供稳定性。

        • 前臂，手腕和手

        • 5个自由度的下臂和手是由Meka公司与麻省理工学院共同开发的。小臂有前臂滚动和手腕屈曲。每只手都有三个手指和一个对生拇指——拇指和食指是独立控制的，其余两个手指是相连的。手腕上的滑动离合器和手指上的形状沉积制造技术使系统更坚固，防止跌倒和碰撞。当手指弯曲时，手指会顺应地闭合物体，允许简单的抓握和手势。

        • 头和脸

        • 富有表现力的头和脸是由Xitome设计公司和麻省理工学院设计的。颈部机构有4个自由度，以支持颈部底部的较低弯曲，以及头部的泛倾偏航。它的头部可以以类似人类的速度移动，以支持人类的头部动作，如点头、摇晃和定位。

          15自由度的脸有几个面部特征来支持各种不同的面部表情，包括凝视、眉毛、眼睑和用于表达姿势的清晰的下颌骨。感知输入包括每只眼睛中的彩色CCD摄像头，头部的室内Active 3D IR摄像头，四个支持声音定位的麦克风，一个可穿戴语音麦克风。说话者支持语音合成。

        • 物理和虚拟世界中的社会学习

        • 个人机器人是一项新兴技术，有可能在公共部门的广泛应用中产生重大的积极影响，包括老年人护理、医疗保健、教育等。鉴于人类生活的丰富性和复杂性，人们普遍认为个人机器人必须能够长期适应人类环境，并从普通公民那里学习。尽管机器学习理论和技术已经取得了巨大的进步，但现有的框架没有充分考虑到开发机器人所涉及的人为因素，这些机器人会向缺乏特定技术专长的人学习，但会带来与他人社交学习的终生经验。我们将这一研究领域称为社会情境机器人学习(SSRL)。

          这项工作的动机是我们希望开发社交机器人，能够成功地从人们自然提供的各种互动中了解到什么对普通公民来说是重要的。

      • 莱奥纳多

      • 这个项目是与世界著名的Stan Winston工作室合作的。它将工作室在创造引人注目的电子动画角色方面的艺术和专业知识与社会智能机器人的艺术研究相结合。我们给这个新角色起了一个融合了艺术、科学和发明的名字。因此，“列奥纳多”这个名字——与文艺复兴时期的科学家、发明家和艺术家列奥纳多·达芬奇同名。

        事实上，莱昂纳多是表情机器人中的斯特拉迪瓦里

        • 身体

        • 机器人力学
          列奥纳多有69个自由度，其中32个在面部。因此，莱昂纳多能够有接近人类的面部表情(受限于其生物般的外表)。尽管达·芬奇的关节非常清晰，但他并不是为了走路而设计的。相反，它的自由度是根据其表达和交流功能来选择的。

          机器人美学
          与当今绝大多数自主机器人不同的是，莱昂纳多拥有一个有机的外观。它是一种奇思妙想的生物，显然不想模仿当今的任何生物。

        • 愿景

        • 学习的脸
          我们为莱昂纳多开发了一个实时人脸识别系统，可以通过与机器人的简单社交互动进行飞行训练。

          视觉跟踪
          对于社交机器人来说，一个必要的感官天赋是知道人们在哪里以及他们在做什么。因此，我们的社交机器人需要能够监测环境中的人类，并解释他们的活动，例如基于手势的交流。

          机器人还必须了解无生命环境的方方面面，比如它和玩具玩的时候玩具的行为。促进这类观察的一种重要感官方式是视觉。

        • 皮肤

        • 可感觉的皮肤
          赋予机器人触觉将有助于检测与物体的接触，感知意外碰撞，以及知道何时接触自己的身体。其他重要的触觉属性与情感内容有关——无论是来自拥抱的愉悦，一个滴答的手势，还是某人用力抓住机器人手臂的疼痛，等等。

          这个项目的目标是开发一种合成皮肤，能够在整个身体上检测温度、距离和压力，并具有可接受的分辨率，同时仍然保持有机皮肤的外观和感觉。为此，我们正在试验在力敏电阻(FSR)、量子隧道复合材料(QTC)、温度传感器和电容传感技术上分层硅胶材料(如那些用于特效行业的补强效果)。

        • 社会学习

        • 我们的研究不是要求人们学习一种新的交流方式来与机器人互动，也不是要求人们教授机器人，而是关注开发能够在人类环境中从自然的人类互动中学习的机器人。

          我们正在探索多种形式的社会学习，也在实证研究人们如何教机器人。有时我们利用在线游戏角色来研究有多少人与我们的学习系统互动——比我们能带进实验室的还要多(参见Sophie和MDS)。

          许多统计学习方法需要数百或数千个试验或标记示例来训练系统，与之相反，我们的目标是让机器人从自然的人类指令和很少的演示中快速学习新技能和任务(参见学习指导)。我们发现，这一过程最好的模型是教师和学习者之间的合作，教师指导机器人的探索，机器人提供反馈来形成这种指导。事实证明，这可以加速机器人的学习过程，提高其泛化能力。

        • 团队合作

        • 我们的方法以联合意图理论为理论框架，通过基于目标的任务结构整合了学习和协作。在任何协作中，代理作为一个团队一起工作以解决一个共同的问题。团队成员共享一个目标和一个共同的执行计划(Grosz 1996)。Bratman对共享合作活动(SCA)的分析引入了将单个子计划划分为联合活动的思想。在我们的工作中，我们将这一概念推广到人与机器人之间的子计划动态啮合过程。

        • 社会认知

        • 社会智能机器人需要理解“人就是人”。现代自主机器人的研究主要集中在它们与行为受物理定律支配的无生命物体(被操纵的物体、导航的物体等)的互动能力上，而社会智能机器人必须理解有生命实体(如人、动物和其他社交机器人)的行为受身心支配的能力并与之互动。我们如何赋予机器人复杂的社交技能和对他人的社会理解?

          耦合的思想在耦合的身体中是人类社会智力及其发展的强大力量。心灵存在于具有特定形态结构的身体中。一个人在空间中的瞬间性情反映并投射给他人产生这些肢体动作的系统的内部状态。通过身体的外部行为，从身体与内部认知系统的耦合中产生的相关性可以创造出更高阶的相关性，从而可以推断出自我和他人的内部状态。

      • 其他项目

          • 公共海葵

          • 灵感来自原始生活，公共银莲花是一个机器人生物，具有有机的外观和自然的运动质量。白天，公共银莲花是清醒的，与瀑布、池塘和周围环境的其他方面相互作用。它通过使用立体机器视觉系统来定位观众的动作，从而与观众互动。但如果你靠得太近，它会像响尾蛇一样向后退缩。

          • 舞台

          • Operobot项目是一个基于3D动画实时精确控制一组全向移动机器人的系统。目前的系统控制着三个立方体形状的机器人的位置和亮度，这是一个概念的证明，最终将成为一部名为《死亡与力量》的歌剧的大规模组成部分。

          • 本身

          • AUR是一个机器人台灯，一个协同照明助手。这是一个非拟人化的机器人平台，展示了人与机器人之间的无缝互动，在背景中，在正确的时间照亮了正确的事情。我们设想机器人灯将在未来的手术室、机械车间以及任何需要人手照明的地方发挥作用。

          • 逗人喜爱的™

          • Huggable™是麻省理工学院媒体实验室开发的一种新型机器人伴侣，用于医疗保健、教育和社交通信应用。Huggable™不仅仅是一个有趣的交互式机器人伴侣。它被设计成团队成员的功能，是三元交互的重要成员。因此，Huggable™的设计不是为了取代社交网络中的任何特定的人，而是为了增强人类社交网络。

            我们目前正在与各种媒体实验室赞助商合作，为现实世界的应用和试验创建一系列Huggables。我们还与微软研究院合作，使用微软机器人工作室开发通信化身实现。

            Huggable™的早期技术开发部分由微软iCampus拨款支持。

          • Cyberflora

          • 2003年4月，我们在纽约库珀-休伊特国家设计博物馆主办的国家设计三年展上首次展示了Cyberflora装置。

            这个机器人花园由四种cyberflora组成。每一个机器人都将动物般的行为和花朵般的特征结合成一个机器人实例，以一种栩栩如生的独特方式感知人类并对其做出反应。

            柔和的旋律作为花园的音乐香气，随着人们与花的互动微妙地变化。

            精巧而优雅的Cyberflora传达了机器人的未来愿景，它将在智力上激发我们的兴趣，并在情感上触动我们。该装置探索了一种流畅、动态和和谐的人-机器人互动风格。

          • RoCo

          • 我们正在开发RoCo，这是一种新颖的机器人计算机，能够以微妙的表达方式移动显示器，以响应和鼓励用户自己的姿势移动。RoCo的设计灵感来自于一系列的人机交互研究，这些研究表明，人们在进行社交互动时，经常模仿具有社交表情的机器人的姿势。一个看起来更像计算机的机器人，能够调整自己的“姿势”，是否能在互动过程中引发类似的姿势镜像效应，这是很有趣的。在使用电脑时增加体位运动的一个潜在好处是减少背部疼痛，身体运动被认为是关键的预防措施之一。

          • 交互式机器人戏剧

          • 玻璃缸是一个智能舞台，以公共海葵为特色。它由交互式的、自主的机器人表演者组成，动作自然而富有表现力，结合了动画和机器人控制技术。该舞台包含实时立体视觉，可以跟踪多人的多种特征。

          • 奥特曼

          • 人与机器人之间的互动现在已经被充分理解，使我们能够建造出有用的社交机器人系统，在实验室之外也能发挥作用。这是第一个开发和部署社交机器人系统的项目，在帮助人们实现行为改变目标的背景下，研究人们与机器人在家中的长期互动(见研究页)。具体来说，社交机器人系统旨在帮助那些试图减肥或保持体重的人。我们选择这个应用程序域是因为它支持一个长期的研究，在这个研究中创建这样一个系统可能会产生实际的差异。为了开发这个应用程序，我们与波士顿医疗中心营养和体重管理中心的Caroline Apovian博士合作。

          • TIKL

          • 用于动觉学习的触觉交互机器人服装
            正在接受身体康复治疗的人、姿势不正确的人以及想上舞蹈课的人都面临着一个类似的任务——动作学习。老师可以通过多种渠道提供实时反馈，包括听觉(高级行为指导)、视觉(通过演示动作本身)和触觉(通过物理引导学生)，大多数人都能从老师那里受益。尽管触觉反馈是运动信息最直接的形式，但它是教师最难提供的，尤其是在他们自己执行任务时。

            这项研究提出了对人类教师的一种扩展——一种机器人可穿戴套装，它可以分析目标运动(例如，由教师执行)，并在多个关节上同时对学生的身体应用实时纠正的振动触觉反馈。

          • 嵌入式多轴控制器

          • 探索人与机器人之间的互动需要构建功能越来越多、越来越复杂的机器人。商业电机驱动器和运动控制器软件包的设计是完全不同的应用程序(特别是工业机器人与相对少量的相对强大的电机)，并不能很好地适应复杂的交互式机器人与非常大量的小型电机控制的东西，如面部特征。例如，列奥纳多在一个极小的体积中包含了60多个马达。巨大的工业运动控制器不是控制机器人的实用方法;需要为这类应用程序设计的嵌入式解决方案。

            我们开发了一种电机控制系统，以满足多轴交互式机器人的特殊需求。它是基于电机控制硬件的模块化集合，能够在非常小的体积内驱动非常多的电机。开发了8轴和16轴控制包。

          • MeBot

          • 用手机通话正变得真正无处不在。然而，电话交谈远不如面对面交谈丰富和吸引人。人们发出大量的非语言信号和暗示，在面对面的交谈中起着重要作用，但在电话交谈中却被忽略了。这是不幸的，因为这些非语言线索在传达更深层次的含义和态度方面发挥着重要作用。例如，如果每件事都只能通过语言来描述，那么小组协作或交互演示就会很麻烦。

            如果手机通讯更丰富呢?想象一下，如果你可以和你打电话的人在同一个物理空间里闲逛，看着正在与你交谈的不同的人，指着那个空间里共享的物体，同时仍然通过你的面部视频和声音传递你遥远的存在。

            MeBot的设计目的是通过机器人介导的交流，为手机的使用增加新的非语言的、物理的共同呈现维度。把MeBot想象成你手机的机器人配件——一种机器人外骨骼。假设你通过手机给你的朋友打电话，她接了电话，并把她的手机放在MeBot体内。现在，你是一个迷你机器人，你可以通过自己的手机远程操作!

          • 豆腐

          • 豆腐是一个探索机器人社会表达新方式的项目，利用技术已经在2d动画中使用了几十年。迪士尼动画工作室在50年代开创了“挤压和拉伸”和“二次运动”等动画工具。这些技术已经被动画师广泛使用，但不常用来设计机器人。豆腐，得名于挤压和拉伸食品，也可以挤压和拉伸。柔性材料和弹性耦合的巧妙使用，提供了一种活跃而稳健的驱动方法。豆腐没有使用由马达驱动的眼睛，而是使用廉价的OLED显示器，提供高度动态和逼真的运动。

          • 新型驱动器

          • 迄今为止，驱动执行器技术的行业一直要求执行器精确、功率密集、快速、小巧和廉价。

            我们面临着执行器设计的新动力:栩栩如生的流体运动、安静、连续的控制，以及引人注目、安全和有意义的触觉交互。为此，我们正在开发驱动器，利用某些先前的发展，同时改进它们，以更好地适应交互式机器人的需求。具体来说，我们牺牲了高精度来获得流畅性和运动质量，同时实现了适合驱动移动机器人的功率和扭矩密度。

            该项目的目标是创建具有集成位置、速度和力传感手段的音圈型电磁执行器。音圈是无声的，只有一个活动部分，自然平滑和线性，非常坚固，有合理的力和功率密度，而且相对便宜。

          • 苏菲和可教的角色

          • 随着机器人成为大众消费品，它们将需要通过与典型的人类用户互动来学习新技能。然而，设计通过与普通人互动进行学习的机器在机器学习中是一个相对被忽视的话题。为了解决这个问题，我们提倡一种将机器学习集成到人-机器人交互(HRI)框架中的系统方法。

            我们的第一个目标是了解教师输入的性质，以充分支持人们想要如何教学。
            我们的第二个目标是将这些见解整合到标准机器学习框架中，以提高机器人的学习性能。

            为了实现这些目标，我们使用一个计算机游戏框架来记录和分析人类教师与强化学习(RL)代理(称为Sophie)进行的互动培训课程。

          • 西蒙和流畅的团队合作

          • 两个人在一起重复地执行一个活动，自然会汇聚到一个高水平的协调，导致他们的行动流畅地啮合。相比之下，人与机器人的交互通常是一种走走停停的僵化方式。我们的目标是设计能够在人类环境中发挥同等作用的机器人，希望实现人类和机器活动的更流畅的融合。

            虽然联合行动的存在和复杂性已经被承认了几十年，但其背后的认知机制只受到了很少的关注，主要是在最近几年(例如，Sebanz等人，2006)。除其他因素外，成功的协调行动与每一个伙伴对另一个伙伴的行动形成期望以及随后按照这些期望采取行动有关。我们认为，协作机器人也是如此——如果它们想超越走走停停的互动，机器人不仅必须考虑过去的事件和当前的感知状态，还必须考虑人类合作者的期望。