导航:EXPO21XX>机器人21 xx>H28:教育机器人乔治亚理工学院
视频
载入播放器…
  • 提供配置文件
  • 人类-自动化系统(HumAnS)实验室的重点是围绕人性化智能的概念,即将人的认知能力嵌入自主系统的控制路径的过程。具体来说,我们将研究如何使用人性化的技术,例如软计算方法、传感和知识表示,来增强智能系统的自主能力。该实验室致力于解决自主控制以及与人类和周围环境互动的问题。在我们的研究工作中,我们借鉴了机器人、认知感知、机器学习、计算智能和人机交互等学科。
产品组合
  • 项目

  • 该实验室的重点是控制在现实世界中运行的自主系统。因此,实时能力是任何用于控制的技术的必要组成部分。为了实现这一目标,我们开发了基于对环境感知的实时决策技术。再加上感知,自主推理允许系统基于其对环境的知识和描述其在环境中的当前状态的信息对行动进行推理。为了整合自主控制的推理,我们的重点是将人类的能力直接嵌入到系统中,重点是开发一个机器人控制系统,即使在交互完成后,也具有与人类相当的性能。
  • 人类系统交互

  • 在人-自动化系统交互场景中,关键问题之一是确定哪些决策和任务最好由人、自动化系统或两者的组合来完成。一般来说,这两个实体拥有互补的技能集。人类在处理不可预见的事件或新任务时表现得非常好。另一方面,自治系统在执行例行工作任务和定义良好的问题领域方面表现出色。在人-系统交互领域,我们的研究重点是使用提高人-代理系统性能所需的基本科学和工程方法,从而在现实场景中形成决策和任务协调的协同方法。
  • 辅助机器人-远程操作学习

  • 机器人正从研究实验室滚滚而出,行走、爬行和飞行进入我们的家中。因此,对机器人主人的新描述正在改变。例如,从研究人员或科学爱好者,到家庭主妇谁需要一点帮助的窗户。为了缓解新机器人主人/操作员编程机器人的挑战,提出了从演示中学习的方法。这种形式的特点是操作员演示他们希望机器人做什么,机器人学习如何实现它。
    这一过程中机器人学习部分的挑战之一是,许多机器人还不具备主动参与这一过程的能力。通常情况下,机器人会根据提供给它们的信息被动地学习。他们没有能力对他们的经验进行元分析,或者至少在足够短的时间内这样做,使其与学习过程相关。
    本研究旨在揭示这些机器人学生可以产生的量化指标。这些指标可以使机器人执行任务,如确定它还需要多少训练时间来掌握一项任务,评估一组特定的指令是否可能在学习过程中有帮助,甚至确定所提供的指令是否来自知道自己在做什么的人。
    • 范式

    • Omni +先锋

    • Omni +模拟

  • 辅助机器人-使用机器人辅助物理治疗

  • 用于神经康复的机电一体化和机器人系统通常可用于记录主动运动期间的运动性能信息(位置、轨迹、交互力/阻抗)。通过可重复和可量化的指标客观评估患者的表现已被证明是一种有效的康复治疗手段。然而,到目前为止,我们还不知道任何关于使用机器人系统的儿童上肢康复技术的研究;相反,这些系统中的大多数只应用于中风患者。
    从逻辑上讲,孩子们很自然地会被玩具吸引,尤其是那些有生命的玩具。然而,虽然有许多机器人玩具已经被证明对儿童有吸引力,但许多研究只关注自闭症儿童。这个项目的目标是利用机器人设计融合玩耍和康复技术,以诱导儿童和机器人之间的互动,这将是有趣的,并对儿童有效。
    为了让孩子参与到游戏场景中,这个人形机器人演示了一个动作,并要求孩子执行同样的动作。当孩子执行动作时,人形机器人将记录和处理孩子的动作作为输入数据,以确定这些动作是否与它自己的动作匹配。利用诸如运动历史成像(MHI)和最大稳定极值区域(MSER)等图像处理技术分别简化图像和识别运动类型,再加上用于序列匹配的动态时间扭曲(DTW)和其他物理治疗指标,这个人形机器人能够通知儿童他或她是否正确地执行了运动。
  • 教育和机器人

    • 面向残疾学生的无障碍机器人编程(ARoPability)

    • 以机器人为基础的活动已经被证明可以鼓励非传统的学生考虑从事计算机方面的职业,甚至已经被一些大学采纳为计算机科学核心课程的一部分。不幸的是,在这个领域,非传统学生的概念并没有传统上扩展到包括有视觉或身体障碍的学生。因此,我们试图研究使用替代的界面模式,让残疾学生参与基于机器人的编程活动。我们试图回答这样的问题:“机器人活动的哪些特征需要转变,以吸引有视觉障碍的学生?””“什么样的技术可以用于实现基于机器人的编程活动,以帮助有身体缺陷的学生?”“教育工作者是否已经采用了可以用来培训这些新的计算机专业人员的现有教学模式?以及“有视觉或身体障碍的学生可以利用什么方法来扩大对计算机的参与?”这个NSF的努力目标是初高中学生,以便在关键的年份参与,并与视觉受损中心、全国盲人联合会和亚特兰大儿童保健协会在苏格兰仪式联合主办了一些机器人营地。
    • 机器人Tutor-in-a-Box

    • 近年来,从K-12教室到医学院,使用虚拟代理进行辅导的情况有了可证实的增加。尽管结果各不相同,但研究表明,使用辅导代理可以提高数学教育、阅读,甚至练习外科手术技能。不幸的是,培训来自不同背景的个人需要定制的培训方法,以符合个人的学习风格。脚手架是一种完善的教学方法,随着学习者的进步,通过逐步移除和/或增加训练辅助来促进学习。通过组合多种训练辅助工具(即多模态接口),无论是物理的还是虚拟的训练人员都必须实时决定在整个训练场景中提供哪种辅助工具。不幸的是,在实施脚手架技术时出现了一个重大问题,因为训练辅助工具的速度和选择必须与特定受训人员的个人特征密切相关。因此,在这项工作中,我们研究了识别学生不同学习风格的方法,并使用这些信息来适应机器人导师的训练顺序。这涉及研究多模态界面的使用,例如与各种形式的文本、图形和听觉交互相关联,以及与社会交互的机器人行为,以参与和建立个性化学习的途径。
    • 火星2020年

    • 电脑冒险游戏对年轻一代的吸引力越来越大,然而,冒险游戏本身并不能提供提高计算机科学相关技能的直接机制。因此,我们开发了一款机器人冒险游戏,将高级计算机科学概念作为游戏场景的一部分。这个传递机制的明确目的是向中学生介绍编程的基本概念。潜在的模式是,通过利用电脑游戏的流行,向年轻的学生教授基本的计算机科学概念,我们可以增加他们未来追求stem相关职业的愿望。这些机器人和计算机科学概念通过乔治亚理工学院全年举办的一些周六和夏季中学营地来教授。
  • 太空飞行生命支持系统

  • 目前的研究重点是开发一种基于情境的人-自动化集成方法,用于评估和操作由人、物理系统和计算机代理组成的异质动态系统(HDS),其行为取决于其情境。主要挑战在于利用计算智能方法开发与认知工程控制系统理论和原则一致的数值工具和标准,以实现这些系统的集成和安全运行。应用领域包括物理和网络安全系统、智能电网运行、生物工程系统和生命支持、灾害监测和恢复、流行病监测和控制、智能交通系统、金融和投资服务以及战术和作战战场指挥和控制系统。目的是为HDS集成的基于情境和以用户为中心的设计方法的方法论发展做出贡献。

    在这个项目中,我们利用一个小规模的水生栖息地进行与生物再生生命支持系统(BLSS)的集成、自动化和操作相关的实验,该系统利用生物过程将生物副产品转化为消耗品。随着长时间人类空间探索系统的发展,这些系统变得越来越重要。水生栖息地被用作与太空栖息地的工作类比,就像蜗牛或其他无脊椎动物(消费者)与宇航员的关系一样。BLSS结合了物理化学和生物过程,目的是提高人造栖息地的自主性和其生物有机体的生活质量。这些过程需要精力和时间将废物和副产品转化为消耗品。因此,它们的维护可能会给操作员带来相当大的工作量。此外,BLSS的缓慢响应和他们对人类注意力的需求造成了漏洞,如果无人注意,可能会转化为人为错误、性能恶化和故障。通过恰当地结合传感器信息、计算资源和用户界面,这项工作开发了一种方法,将人类和自动化集成到BLSS、其他生物工程系统和HDS的正确和安全操作中。
  • 人类系统交互

  • 作为探索者,人类的批判性思维能力、面对意外情况的应变能力以及对新场景的适应能力都优于机器人。另一方面,在近期内将人类送上遥远的行星任务或地球上危险的地形环境是不现实的。虽然机器人的感知能力和推理能力有限,而且它们的能力也会受到自身开发人员的远见和洞察力的限制,但将机器人技术推进到具有探索者功能的程度,比派人去探索更可行。在人类实验室,我们专注于提高机器人交通工具在自然环境中工作的能力,比如在行星表面、海底、地下和地球上偏远的地质位置。
  • SnoMotes

  • 许多重要的科学研究,特别是那些涉及气候变化的研究,都需要从格陵兰岛和南极洲的冰原测量天气。由于这种环境条件恶劣和危险,部署一组自主移动天气传感器将是有利的,而不是接受人力存在的费用和风险。为了验证我们在这种环境下的导航方法,一组北极漫游车原型被设计、建造并部署在阿拉斯加的冰川上。
    人类自动化系统(HumAnS)实验室一直在开发可重构的机器人传感器网络和机器人飞行器,用于探索遥远的行星表面(如火星)和地球上的偏远地点(如南极洲)。
    这组特殊的项目经历了不同的版本:
    • 版本1(行走机器人)
    • 版本2 (Byrobot)
    • 版本3 (snoomotes I)和版本4 (snoomotes II)
    • 阿拉斯加的实地试验(版本3和4)
  • 版本1(行走机器人)

  • 我们的第一个版本是一个简单的行走机器人,用来测试我们的机器人传感器网络。因此,在未来迭代中所做的工作可以集中在机器人的硬件上。为了实现我们未来的目标:创造一种全地形、多方向的探索车。
  • 版本2 (Byrobot)

  • 这个研究项目的硬件组成部分的主要想法是设计、建造和控制一个低成本的移动机器人,它可以使用腿和轮子。目前存在的一些有腿的轮式机器人,它们的轮子连接在机器人腿末端的执行器上。当机器人被命令行走时,轮子是静止的,机器人实际上是在它的轮子上行走。这导致了许多问题,阻碍了远程环境下的长期稳定运行。
    ByroBot设计有6条腿和4个轮子。每条腿有3个伺服电机,提供3个自由度,以建立一个行走模式。每个轮子都连接到一个直流电机,用于四轮驱动。机器人的身体材料是聚碳酸酯塑料(既美观又坚固,比铝或其他金属更轻)。这个机器人可以用它的4个轮子驱动并翻过障碍物,也可以把腿收回来(就像你在CAD模型和视频中看到的那样),所以它可以用它的腿结构站立和行走,通过更大的障碍。Eyebot是这个机器人的主控制器。它可以用C语言或汇编语言编程。一个附加的控制器,伺服控制器,与Eyebot接口,允许控制多达32个伺服通道。Eyebot和伺服控制器能够通过串行COM端口使用母对母零调制解调器进行通信。

    为什么我们需要这些规格?
    用于探索遥远行星表面(如火星)和地球上偏远地点(如南极洲)的新系列机器人飞行器的开发是一个持续的过程。目前的机器人车辆必须穿越具有各种特征的粗糙地形,例如陡峭的斜坡、结冰的表面和杂乱的岩石分布。Byrobot项目的目标是设计一种新的机器人移动系统,在远程环境中发挥最佳能力,这导致了腿-轮式机器人的想法。
    野外移动机器人必须在危险地形上安全地、自主地利用不确定和不精确的信息穿越长距离。可穿越性分析、预存储地形图的慎重路径规划和嵌入式反应性行为等研究已被用于解决自然地形中的导航问题,但如何在粗糙地形中以最小的人为交互成功地在两个指定点之间导航仍然是一个有待解决的问题。与轮式移动平台相比,有腿的机器人具有许多优点,因为它们能够穿越各种各样的地形,但在自然环境中行走的控制提出了特殊的挑战。即使是简单的腿-机器人平台也有很大程度的耦合交互作用,没有单一的行走步态适合所有的地形表面。行走表面可以在许多因素中变化,包括牵引性能、硬度、摩擦系数和轴承强度。为了成功地在不同地形环境下工作,战地移动机器人的自动步态适应方法是一种理想的品质。因此,我们的工作重点是开发一种方法,在未知的环境(如火星行星表面或遥远的南极洲环境)中自主学习新的走路姿势。
    • ByroBot设计有6条腿和4个轮子。每条腿有3个伺服电机,提供3个自由度,以建立一个行走模式。每个轮子都连接到一个直流电机,用于四轮驱动。机器人的身体材料是聚碳酸酯塑料(既美观又坚固,比铝或其他金属更轻)。这个机器人可以用它的4个轮子驱动并翻过障碍物,也可以把腿收回来(就像你在CAD模型和视频中看到的那样),所以它可以用它的腿结构站立和行走,通过更大的障碍。Eyebot是这个机器人的主控制器。它可以用C语言或汇编语言编程。一个附加的控制器,伺服控制器,与Eyebot接口,允许控制多达32个伺服通道。Eyebot和伺服控制器能够通过串行COM端口使用母对母零调制解调器进行通信。
    • 当ByroBot站立时,它主要由位于每条腿“髋关节”的高扭矩伺服器支撑。计算关节扭矩,以确定这些伺服所需的扭矩,以便ByroBot能够支持自己站立。通过对车轮的运动学分析,得到机器人的速度和位置数据,以及在差动驱动中不同轮对线速度下机器人运动的曲率半径。根据控制关节位置的伺服电机角度,对腿进行正运动学分析,确定其“脚”位置。通过定位与地面接触的脚的位置,可以确定机器人站立时的支撑多边形。在行走时,始终保持机器人身体的质心在这个多边形的支撑内,将允许Byrobot的最佳稳定性。
    • 在未知和未知地形中的科学探索涉及在一个非结构化和模型不完善的环境中进行操作。在这些类型的环境中,有几种设计是可行的。为了保证未来机器人任务的成功,能够实现多辆漫游车协作和人-机器人交互的技术必须成熟。这种关注的主要障碍是与部署多个机器人车辆相关的成本和系统复杂性,这些机器人车辆必须具备长时间存活的能力,以及多任务处理能力。为了解决这一问题,本研究的重点是将硬件和软件组件模块化,以创建一个可重构的机器人探索器。这种新型的腿轮式设计机器人不仅有腿,还拥有轮子,从而使机器人能够穿越各种地形。
  • 版本3 (snoomotes I)和版本4 (snoomotes II)

  • SnoMotes我
    为了赋予漫游者内在的全地形驱动系统,以便在北极环境中导航,我们为原型平台选择了1/10规模的雪地摩托底盘。该平台经过了修改,包括一个基于arm的处理器,运行一个专门版本的Linux。除了wifi和蓝牙,主板还提供了几种串行标准的通信。子板提供ADC单元和PWM输出,用于控制伺服。驱动系统被修改为接受PWM电机的速度命令,转向控制被替换为高扭矩伺服。对于地面真实位置记录,GPS单元通过蓝牙接口连接到处理器,而机器人状态和相机图像通过wifi链接直接发送到外部控制计算机。为了模拟移动传感器网络的科学目标,探测器上增加了一个面向天气的传感器套件。部署的仪器套件包括测量温度、气压和相对湿度的传感器。

    SnoMotes二世
    履带式车辆用于雪地穿越的主要原因是大面积的轨道分散了车辆的重量,使其可以“漂浮”在地面上。由于发现了原有平台的机动性问题,设计并实施了一组底盘修改。原先的前悬挂机构被被动的双叉骨系统所取代,增加了超过30%的滑雪基座。后面的轨道系统被替换为定制的双轨设计,这既扩大了后面的足迹,又有效地增加了雪地接触面面积的两倍。一个500 W无刷电机和大电流速度控制器驱动新的轨道系统。平台宽度的整体增加大大提高了平台的稳定性和角色特性。

  • 阿拉斯加的实地试验(版本3和4)

  • SnoMotes的实地试验在阿拉斯加的朱诺进行。基于气象数据的相关性、地形与北极条件的相似性以及物流,选择了几个试验点在两个冰川上进行实地研究。自1953年以来,作为朱诺冰原研究计划(JIRP)的一部分,柠檬溪冰川一直是年度质量平衡测量的对象,这使得该地区的天气测量特别相关。门登霍尔冰川是阿拉斯加最受欢迎的旅游景点之一。目前公众对这个特殊网站的兴趣使得额外的信息很有价值。这两个地点只能通过直升机到达。为了在各种冰川地形中测试该系统,在冰川上选择了几个测试地点。有一个地区完全被一米多厚的软雪覆盖,而且在任何方向上都有几公里是平坦的。另一个位于门登霍尔北部分支的下缘,靠近冰川的一个弯曲处。同样,该地点完全被雪覆盖,但更接近山脉。 Due to the proximity of the Mendenhall Tower peaks and the bend in the path, the terrain exhibited large-scale undulations. Yet another was located in the upper plateau of the terminus. Here the underlying ice is exposed and the terrain is characterized by small, rolling hills 1-2 meters in height. Some crevasses are present in this area, and melt water pools in some of the small valleys.
  • 北极导航

  • 气候变化是科学界关注的主要问题之一。因此,科学家们一直在寻找新的方法来收集天气数据,以帮助建模和预测我们的社会对全球气候的影响。具体来说,从北极地区收集的天气数据被认为是有价值的,因为冰川地区对气候变化的影响更敏感。最近,科学家们一直在考虑在格陵兰岛或南极洲部署多个机器人气象站,以帮助收集这些数据。
    要使这种机器人系统可行,每个月球车必须能够在不依赖操作员的情况下导航到预定位置。然而,冰川地形除了明显的极端温度外,还存在着各种各样的危险。坚硬的雪沙丘和柔软的雪堆构成了必须克服的陡峭斜坡,冰盖上的垂直裂缝很容易吞噬一个小型漫游者,而在全白色的环境中变化的光照条件使探测这些危险变得困难。
    尽管如此,目前的研究主要集中在开发基于视觉的北极机器人导航系统。放大微妙地形纹理的技术已被证明在发现潜在危险方面是有效的,在积雪覆盖的地形中提取视觉地标的方法已使漫游者能够跟踪其朝着目标前进的进程。目前,研究人员正在探索各种方法,以使探测车能够创建地形的“心理”3d模型。有了这个模型,机器人可以规划到达目标的有效路线,最大限度地减少穿越危险地形的次数。
  • 多智能体地形表征机器人测量系统

  • 这项工作包括一个机器人测量系统的主题,能够通过恶劣的,多变的地形和智能识别的最佳导航策略,以实现代表性的覆盖。这一覆盖范围将使地球科学家能够获得比目前允许的更多关于各种试验点的信息,并通过将人类从潜在危险的感兴趣区域移走来提高安全性。传统的测量技术通常采用现场(地面)和远程(卫星)测量,然而,在每一级都引入了大量的误差。这项工作有两个好处:1)通过利用卫星图像来最小化测量误差,以便更好地影响地面机器人系统的自主行为;2)扩大野战期间的测试允许区域。这两个好处推动了获得更好的代表性地形覆盖的目标,提高了提供给地球科学界的信息的分辨率。这项研究的主要贡献是确定在为这种目的部署这种类型的系统时必须考虑什么设计因素。
    初步的实地测试已经在阿肯色州的朱诺进行,在那里收集了加速度计测量数据,以确认Mendenhall和Lemon Creek冰川上的单个HumAnS snoomote的方向信息。目前,我正在为多个无人驾驶地面车辆配备由MEMS加速计组成的低成本传感器套件,以获取关键的方向信息