[论文解读] Human-centered manipulation and navigation with Robot DE NIRO

Fabian Falck, Sagar Doshi+4 more|arXiv (Cornell University)|Oct 23, 2018

Social Robot Interaction and HRI参考文献 15被引用 3

一句话总结

本文提出 DE NIRO，一种以人为中心的移动操作机器人，旨在通过自主检索和递送药物等物品，协助老年护理人员。该机器人配备Baxter机械臂、基于LIDAR的导航系统，并通过语音和人脸识别实现感知，借助碰撞避免与动态路径规划，实现安全、直观的人机交互，在真实场景中表现出可靠性能，且几乎无需人工干预。

ABSTRACT

Social assistance robots in health and elderly care have the potential to support and ease human lives. Given the macrosocial trends of aging and long-lived populations, robotics-based care research mainly focused on helping the elderly live independently. In this paper, we introduce Robot DE NIRO, a research platform that aims to support the supporter (the caregiver) and also offers direct human-robot interaction for the care recipient. Augmented by several sensors, DE NIRO is capable of complex manipulation tasks. It reliably interacts with humans and can autonomously and swiftly navigate through dynamically changing environments. We describe preliminary experiments in a demonstrative scenario and discuss DE NIRO's design and capabilities. We put particular emphases on safe, human-centered interaction procedures implemented in both hardware and software, including collision avoidance in manipulation and navigation as well as an intuitive perception stack through speech and face recognition.

研究动机与目标

• 开发一种机器人助手，通过处理如递送药物等常规、重复性任务，支持老年护理人员，从而释放时间用于更具同理心的照护。
• 通过集成感知与碰撞避免技术，在动态、真实的老年护理环境中实现安全、自然且可靠的交互。
• 创建一个模块化、开源的研究平台，用于移动操作，强调以人为中心的设计与真实场景的可部署性。
• 通过聚焦于支持护理人员而非取代人际互动，解决老年护理机器人中的伦理问题。
• 通过使用标识标记、逆运动学和实时路径重规划，展示在物体操作与导航方面的鲁棒性。

提出的方法

• DE NIRO 将Baxter双臂与QUICKIE电动轮椅底盘结合，实现具备被动顺应性的移动操作，确保与人类交互的安全性。
• 采用基于LIDAR的SLAM系统实现实时地图构建与定位，并利用动态代价图保持与障碍物及人类的安全距离。
• 轨迹规划采用定时弹性带算法，以优化行程时间与障碍物接近程度，确保运动平滑且安全。
• 物体识别依赖于附着在目标物体上的2D标识标记，实现对操作任务中物体的稳定3D定位。
• 自定义PID控制器管理电机驱动，将规划的速度转换为精确的轮子运动，以实现导航。
• 系统实施三阶段抓取流程：接近、抓取与交接模式，具备动态感知能力，可在运动过程中避免碰撞。

实验结果

研究问题

• RQ1 如何设计一种机器人，使其在不取代人际互动的前提下，安全可靠地协助老年护理人员？
• RQ2 何种感知与控制架构可实现在动态、非结构化环境中的稳健、实时导航与操作？
• RQ3 如何通过语音、人脸识别与碰撞避免技术，使人机交互更加直观且安全？
• RQ4 机器人在几乎无需人工监督的情况下，能多大程度上完成如药物递送等重复性、明确的任务？
• RQ5 当前传感器与执行系统在护理机器人移动操作中的局限性是什么？

主要发现

• DE NIRO 在动态环境中成功演示了基于LIDAR的SLAM与实时路径重规划的自主导航与物体检索。
• 使用2D标识标记实现了稳定可靠的物体定位，在测试场景中优于通用物体识别方法。
• 通过三阶段流程（含动态感知与碰撞避免）实现了可靠的抓取与交接。
• 系统通过动态代价图与实时轨迹优化，持续保持与人类及障碍物的安全距离。
• DE NIRO 的设计支持通过语音与人脸识别实现自然交互，提升了护理环境中的可用性。
• 该平台已开源并配有详尽文档，支持可复现性，推动以人为中心的机器人研究进一步发展。