Gaze Control for Redundant Robot Heads (BIOLOOK)

The humanoid Robot iCub

• Orientador: Dr. Manuel Lopes
• Co-Orientador: Prof. Alexandre Bernardino

Work framed by the Humanoids Robotics Research Area of the ISR Computer and Robot Vision Lab (Vislab).

Este projecto enquadra-se na área de robótica cognitiva. Kewords: Controlo, Robótica, Human-Robot Interfaces.

Objectivos

Desenvolver metodologias para a coordenação de comportamentos para uma cabeça robótica. O sistema deverá utilizar a redundância do sistema para reduzir consumos energéticos e principalmente para emitir expressões. Com isto o robot será capaz de olhar para objectos interessantes e de seguir alvos.

Descrição

Os sistemas robóticos actuais contêm um número de graus de liberdade superior ao mínimo necessário para executar as tarefas pretendidas. Esta redundância extra acrescenta robustez e flexibilidade ao lidar com ambiente mais complexos. Visto que o robot pode assumir diversas posturas para executar a mesma tarefa, pode escolher a forma como as executa com algum critério. Trabalhos típicos em robótica, exploram a redundância principalmente para evitar obstáculos.

Devido a atrasos e latências sempre presentes nos sistemas de controlo (quer naturais quer artificiais) a habilidade de seguir alvos ou referências arbitrárias com erros nulos não é possivel se apenas se utilizarem métodos clássicos de controlo por feedback. Para compensar esses atrasos é necessário conseguir antecipar a trajectória dos alvos no futuro próximo e controlar o sistema de uma forma antecipativa. Isto requer o desenvolvimento de preditores que sejam capazes de identificar que tipos de trajectórias são executadas pelos alvos, quais os seus parâmetros e qual a incerteza da sua predição para instantes adequados no futuro.

Os sistemas biologicos exibem grande capacidade para se adaptar e seguir com erro mínimo trajectórias regulares de alvos. Bebés humanos com menos de 12 meses já conseguem seguir com erro nulo movimentos sinusoidais. Que tipo de mecanismos neurológicos estão por trás destas capacidades. Alguns trabalhos existentes tentam modelar o comportamento dos humanos e propôem a utilização de técnicas de mínimos quadrados recursivos para abordam o problema do seguimento de sinusoides. No entanto, para outros tipos de movimentos mais gerais, ainda não se conhecem os modelos mais adequados.

Neste trabalho pretende-se estudar metodologias que permitam a um sistema artificial aprender preditores para modelos gerais de movimentos regulares utilizando dados obtidos de seres humanos, e utilizar estes predictores para melhor as capacidades de seguimento de alvos. O laboratório de visão por computador (Vislab) do Instituto de Sistemas e Robótica/IST tem um equipamento que permite medir com precisão a direcção de observação de um ser humano em relação a um display onde são apresentados objectos em movimento. Este setup será utilizado para recolher sequencias de dados que permitam validar algumas técnicas de predição conhecidas e comparar diversos métodos. Para além disso, existem dados obtidos de experiencias com bebés que demonstram a forma como estes comportamentos se desenvolvem.

Pré-requisitos

Bons conhecimentos em Processamento de Sinal, Controlo e Programação (C/C++)

Resultados Esperados

Controladores capazes de usar a redundância para emitir expressões, reduzir energia ou potenciar o tempo de reacção, usando preditores aprendidos a partir de sequencias de treino. Comparação com os desempenhos exibidos pelos seres humanos.

Trabalho Relacionado

Multimodal Saliency-Based Bottom-Up Attention A Framework for the Humanoid Robot iCub, Jonas Ruesch, Manuel Lopes, Alexandre Bernardino, Jonas Hornstein, José Santos-Victor, Rolf Pfeifer, 2008 IEEE International Conference on Robotics and Automation Pasadena, CA, USA, May 19-23, 2008. Link: http://www.isr.ist.utl.pt/labs/vislab/publications/08-icra-attention.pdf