导航:EXPO21XX>机器人21 xx>H25:人工智能，IT和计算机视觉麻省理工学院媒体实验室
麻省理工学院媒体实验室
视频
加载播放器…
  • 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大量的机器人生物，从机器人花园，到将机器人技术嵌入到熟悉的日常物品中(如服装、灯具、台式电脑)，再到创造具有高度表现力的类人机器人——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。它综合了一种新颖的组合:(1)机动性——在受限或复杂环境中能够以人类速度移动的轮式底座;(2)灵巧-一个五自由度的手和手腕设计的对象操作和表达手势;(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个MDS机器人，用于研究机器人-机器人和人-机器人协作任务。该机器人由麻省理工学院负责整体设计，移动底座由UMASS Amherst开发，机械手由Xitome design和Meka Robotics合作开发，头部由Xitome design制造。

        该项目部分由ONR DURIP奖“在不确定环境中支持复杂人-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-机器人团队合作的健壮认知模型”，奖项编号ONRBAA08-001资助。

        模拟器

        作为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。

        我们项目的模拟伙伴是基于USARSim模拟器的。USARSim构建于虚幻竞技场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包括模拟NIST城市搜索和救援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，该模型准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部的Hokuyo激光扫描仪。虚拟MDS还配备了声音和里程传感器，并可选择配备IMU或GPS。

        我们的团队还在开发可视化机器人状态的工具(激光读数，地图上的定位信息等)，以允许远程操作员
        控制机器人的每个自由度并从摄像头获得实时视频。

        我们的长期研究涉及人类和机器人之间的点对点协作，自动化机器人任务分配，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、范德堡大学、马萨诸塞大学阿默斯特分校和斯坦福大学。

        奖
        • 最佳展示奖在Siggraph 2008新技术演示。
        • 《时代》杂志评选的“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。移动底座是一个动态平衡平台(类似于微型机器人赛格威底座)，能够以人类行走的速度穿越室内环境。在MDS机器人上，由于增加了头部和手臂组件，在底座上增加了第三个轮子，以提供稳定性。

        • 前臂，手腕和手

        • 5个自由度的手臂和手是由麦卡公司和麻省理工学院开发的。小臂有前臂滚转和手腕屈曲。每只手都有三个手指和一个相对的拇指——拇指和食指是独立控制的，其余两个手指是耦合的。手腕上的滑动离合器和手指上的形状沉积制造技术用于使系统坚固耐用，以防止摔倒和碰撞。手指在弯曲时紧贴物体，允许简单的抓握和手势。

        • 头部和面部

        • 富有表现力的头部和面部由Xitome设计公司与麻省理工学院合作设计。颈部机构有4个自由度，以支持颈部底部的低弯曲以及头部的泛倾斜偏航。头部可以以类似人类的速度移动，以支持人类头部的手势，如点头、摇晃和定向。

          这张15自由度的脸有几个面部特征来支持各种各样的面部表情，包括凝视、眉毛、眼睑和用于表达姿态的清晰的下颌骨。感知输入包括每只眼睛中的彩色CCD摄像机，头部的室内主动3D红外摄像机，四个支持声音定位的麦克风，一个用于讲话的可穿戴麦克风。演讲者支持语音合成。

        • 物理世界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、教育等领域。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，并向普通公民学习。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，这些机器人从缺乏特定技术专长的人那里学习，但却带来了与他人社交学习的终身经验。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对普通公民来说重要的事情。

      • 莱奥纳多

      • 这个项目是与世界著名的Stan Winston工作室合作的。它结合了工作室的艺术和专业知识，创造引人注目的电子动画角色，以及社会智能机器人的艺术研究。我们将这个新角色命名为一个包含艺术、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、发明家和艺术家莱昂纳多·达芬奇同名。

        的确，达芬奇是富有表现力的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个是在脸部。因此，莱昂纳多能够表现出接近人类的面部表情(受其生物样貌的限制)。尽管达芬奇的关节非常清晰，但他并不是生来就会走路的。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，莱昂纳多有一个有机的外观。这是一种奇特的生物，显然不是试图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，可以通过与机器人进行简单的社交互动来进行实时训练。

          视觉跟踪
          社交机器人的必备感官能力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控环境中的人类，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，比如它与玩具玩耍时玩具的行为。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——无论是拥抱带来的愉悦，一个滴答的手势，还是某人用力抓住机器人手臂带来的疼痛，等等。

          该项目的目标是开发一种合成皮肤，能够检测整个身体的温度、距离和压力，并具有可接受的分辨率，同时仍然保留其有机皮肤的外观和感觉。为此，我们正在试验力敏电阻(FSR)、量子隧道复合材料(QTC)、温度传感器和电容传感技术上的分层硅胶材料(如用于特效工业中的补效)。

        • 社会学习

        • 我们的研究不是要求人们学习一种新的交流形式来与机器人互动或教他们，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，以及实证调查人们如何教机器人。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——比我们实验室能带来的要多(参见Sophie和MDS)。

          与许多需要数百或数千次试验或标记示例来训练系统的统计学习方法相比，我们的目标是让机器人从自然的人类指导和少量演示中快速学习新技能和任务(参见通过指导学习)。我们发现，这个过程最好被建模为教师和学习者之间的合作，教师指导机器人探索，机器人提供反馈来形成这种指导。事实证明，这加快了机器人的学习过程，提高了机器人的泛化能力。

        • 团队合作

        • 使用联合意图理论作为我们的理论框架，我们的方法通过基于目标的任务结构集成了学习和协作。在任何协作中，代理都作为一个团队一起工作以解决共同的问题。团队成员共享一个目标和共同的执行计划(Grosz 1996)。Bratman对共享合作活动(SCA)的分析引入了将单个子计划整合到一个联合活动中的思想。在我们的工作中，我们将这一概念推广到人与机器人之间动态网格子计划的过程。

        • 社会认知

        • 社会智能机器人需要理解“作为人的人”。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(可操纵、导航等物体)互动的能力上，而社会智能机器人必须理解行为受思想和身体支配的有生命实体(如人、动物和其他社交机器人)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交理解?

          耦合身心是人类社会智力及其发展的强大动力。心灵存在于具有特定形态结构的身体中。一个身体在空间中的瞬间姿态反映并向他人投射出产生这些身体姿态的系统的内部状态。类似的身体和类似的内部认知系统相结合产生的相关性可以通过身体的外部行为产生更高阶的相关性，这可能导致对自我和他者内部状态的推断。

      • 其他项目

          • 公共海葵

          • 受原始生活的启发，公共海葵是一种机械生物，具有有机的外观和自然的运动品质。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机器人的位置和亮度，这是一个概念验证，最终将成为一部名为《死亡与力量》(Death and The Powers)的歌剧的大规模组件。

          • 本身

          • AUR是一个机器人台灯，一个协作照明助手。这是一个非拟人化的机器人平台，展示了无缝发生的人机交互，在背景中，在正确的时间照亮正确的事情。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拿灯的地方发挥作用。

          • 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™的设计不仅仅是一个有趣的交互式机器人伴侣。它被设计成一个团队成员，是三合一交互的重要成员。因此，Huggable™的设计不是为了取代社交网络中的任何特定的人，而是为了增强人类的社交网络。

            目前，我们正在与媒体实验室的赞助商合作，为现实世界的应用和试验创造一系列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头像实现。

            Huggable™的早期技术开发部分得到了微软iCampus基金的支持。

          • Cyberflora

          • 2003年4月，我们在纽约库珀-休伊特国家设计博物馆举办的国家设计三年展上展出了我们的Cyberflora装置。

            这个机器人花园由四种赛博植物组成。每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、独特的方式感知和回应人类。

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

            精致而优雅，Cyberflora传达了机器人的未来愿景，它将在智力上吸引我们，在情感上触动我们。该装置探索了一种流畅、动态、和谐的人机交互风格。

          • RoCo

          • 我们正在开发RoCo，这是一种新型的机器人计算机，能够以巧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的设计灵感来自一系列人机交互研究，这些研究表明，人们在进行社交互动时，经常会模仿具有社交表情的机器人的姿势。有趣的是，考虑一个更像电脑的机器人，有能力调整自己的“姿势”，是否能在互动过程中引起类似的姿势镜像效应。在使用电脑时增加体位运动的一个潜在好处是减少背痛，其中身体运动被认为是关键的预防措施之一。

          • 交互式机器人剧场

          • 水族箱是一个以公共海葵为特色的智能舞台。它由互动、自主的机器人表演者组成，他们的动作自然而富有表现力，结合了动画和机器人控制技术。舞台包含实时立体视觉，可以跟踪多人的多个特征。

          • 奥特曼

          • 人类与机器人之间的互动已经被充分理解，这使得我们能够建造有用的社交机器人系统，这些系统可以在实验室之外运行。这是第一个开发和部署社交机器人系统的项目，目的是在帮助人们实现行为改变目标的背景下，调查人们家中的长期人机交互(见研究页面)。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领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的机器人服装
            正在进行身体康复的人、姿势不正确的人以及想上舞蹈课的人都面临着类似的任务——运动学习。大多数人都能从老师那里受益，因为老师可以通过各种渠道提供实时反馈:听觉(高水平的行为指导)、视觉(通过自己演示动作)和触觉(通过物理引导学生)。虽然触觉反馈是运动信息最直接的形式，但对于教师来说，这是最难给出的，尤其是在他们自己执行任务的时候。

            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)，并同时在多个关节上对学生的身体应用实时校正振触觉反馈。

          • 嵌入式多轴控制器

          • 探索人机交互需要构建越来越多功能和复杂的机器人。商业电机驱动器和运动控制器包在设计时考虑了完全不同的应用(特别是具有相对少量相对强大电机的工业机器人)，并不能很好地适应具有大量小型电机控制面部特征等功能的复杂交互式机器人。例如，列奥纳多在一个极小的体积中包含了60多个马达。一个巨大的工业运动控制器机架将不是一个实际的控制机器人的手段;需要为这类应用程序设计嵌入式解决方案。

            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定需求。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，电话交谈远没有面对面交谈那么丰富和吸引人。人们会发送大量的非语言信号和线索，这些信号和线索在面对面交谈中发挥着重要作用，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，如果所有事情都必须通过语言来描述，那么小组协作或交互式演示就会很麻烦。

            如果手机通讯更加丰富呢?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，并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来传达你的远程存在。

            MeBot旨在通过机器人介导的交流，为手机的使用增加新的非语言、物理共同呈现的维度。把MeBot想象成你手机的机器人配件——一种机器人外骨骼。假设你用手机给你的朋友打电话，她接了电话，并把她的手机放在一个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交表达新方式的项目，该项目利用的技术已经在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。这种技术已经被动画师广泛使用，但不常用于设计机器人。豆腐，以一种可以挤压和拉伸的食品命名，也可以挤压和拉伸。巧妙地使用柔性材料和弹性联轴器，提供了一种充满活力而又坚固的驱动方法。“豆腐”没有使用电机驱动的眼睛，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要求执行器精确、功率密集、快速、小型和廉价。

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

            本项目的目标是创建音圈式电磁执行器，具有集成的位置、速度和力传感手段。音圈是无声的，只有一个运动部分，自然光滑线性，非常坚固，有合理的力和功率密度，而且相对便宜。

          • 苏菲和可教的人物

          • 随着机器人成为大众消费品，它们将需要通过与普通人类用户互动来学习新技能。然而，通过与普通人互动来学习的机器的设计是机器学习中相对被忽视的主题。为了解决这个问题，我们提倡将机器学习集成到人机交互(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的教学方式。
            我们的第二个目标是将这些见解纳入标准机器学习框架，以提高机器人的学习性能。

            为了实现这些目标，我们使用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)进行的交互式培训课程。

          • 西蒙和流畅的团队合作

          • 两个人反复在一起进行一项活动，自然会达到高水平的协调，从而使他们的行动流畅地融合在一起。相比之下，人与机器人的交互通常以一种僵化的走走停停的方式进行。我们的目标是设计出能够在人类环境中发挥同等作用的机器人，我们希望实现人与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却很少受到关注，主要是在过去几年(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根据这些期望采取行动有关。我们认为，协作机器人也是如此——如果它们要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。