在过去的几年中，尽管机器人技术领域的研究取得了长足的进步，但人类和机器人在处理物体方面仍然存在很大差异。实际上，到目前为止，即使是最先进的机器人也难以与普通幼儿的对象操纵技能相提并论。大多数机器人尚未掌握的对象操作的一个特定方面是在混乱的环境中伸手抓住特定的对象。
为了克服这一限制，作为EPSRC资助的项目的一部分，利兹大学的研究人员最近开发了一种类似于人的机器人计划程序，该程序将虚拟现实(VR)和机器学习(ML)技术结合在一起。这项新的计划程序已在arXiv上预发表的一篇论文中介绍，并将在国际机器人与自动化大会(ICRA)上进行介绍，它可以提高各种机器人在对象操纵任务中的性能。
这项研究的首席研究员安东尼·科恩(AnthonyG.Cohn)教授说：“我们的研究目标是开发更好的机器人系统;该系统可以帮助人类完成各种各样的任务，从探索危险的环境到帮助孩子学习写作。TechXplore。“因此，我们组成了一个由心理学家和计算机科学家组成的多学科小组，以探讨我们是否可以捕获人类的行为并逆向工程人类在接触物体时使用的规则。”
与在混乱的环境图像上训练机器学习分类器的其他研究人员形成对比的是，科恩和他的同事希望使用新的沉浸式技术生成训练数据。因此，在他们的研究中，他们使用VR设备收集完成操作任务的人类数据。
随后，他们使用ML分类器分析了他们收集的VR数据，并提取了可能构成人类决策依据的一般规则。计划者使用这些规则为机器人完成对象操纵任务的有效策略进行计划。
“从某种意义上说，我们希望机器人执行的结果计划也是'人类可读的'，因为这将是人们期望另一个人执行的计划，而当前许多机器人计划却并非如此。”解释。
完成操纵任务的人的决策似乎主要由定性表示(即，不是周围环境中所有物体的确切距离和方向，而是相对距离和方向)指导。在他们的研究中，研究人员试图更好地理解这些决策过程，以便在ML分类器中部分复制它们。
研究人员MohamedHasan博士说：“我们探索了人类如何在他们抓住的物体具有特定空间关系的情况下到达物体，并使用了由利兹大学AI研究人员开发的方法来定性描述物体的位置。”项目，解释。“这意味着计划者可以对物体之间的定性空间关系进行分类，然后选择人类在那种情况下将要使用的动作。”
