Pernyataan Penelitian
(Untuk masa jabatan)
Yan-Bin Jia
Penyelidikan saya menjadi robot ketangkasan telah difokuskan pada mencari pemahaman terkoordinasi masalah komputasi dan kontrol dalam tugas manipulasi. Salah satu tujuan dari penelitian ini adalah pengambilan dinamis informasi geometris seperti bentuk dan pose, dan informasi mekanis seperti gerak dan kekuatan. Tujuan lain adalah rekayasa hati-hati informasi di atas untuk membuat keterampilan pameran robot selama pelaksanaannya tugas fisik. Melalui upaya seimbang antara penyelidikan teoritis dan demonstrasi eksperimental, saya berharap untuk mendapatkan pengetahuan yang mendalam tentang tindakan dan kecerdasan saat mereka berinteraksi satu sama lain. Dari sudut pandang aplikasi, pengetahuan tersebut akan memiliki janji membuat dampak pada tidak hanya otomasi industri tetapi juga robot pribadi di masa depan.
Untuk robot untuk akhirnya menunjukkan keterampilan mendekati level manusia, integrasi dekat penginderaan ke dalam tindakan harus dicapai untuk membuka jalan untuk kerangka di mana keterampilan penanganan objek tujuan dapat dirumuskan, dianalisis, dan otomatis. Untuk menunjukkan filosofi di atas, saya telah membuat penggunaan utama dari salah satu sumber informasi yang di mana-mana di dunia fisik --- kontak antara dua atau lebih badan. Hal ini dapat berupa lokasi atau kekuatan kontak atau keduanya. Saya sangat tertarik pada kontak antara tangan robot (istilah `` tangan robot '' mengacu pada manipulator secara umum, apakah atau tidak berbentuk mirip dengan tangan manusia) dan objek dimanipulasi oleh tangan.
Di bawah dukungan dari NSF Award KARIR (2002-2007), penyelidikan saya sejauh berpusat pada lokalisasi, pengakuan, rekonstruksi, serta menggenggam bentuk (khususnya, bentuk melengkung) yang saya pikir sangat penting untuk mencapai terampil dan objek penanganan cerdas.
Dalam waktu dekat (sampai 2007), fokus utama saya akan berada di memperdalam penyelidikan atas, dengan pergeseran perhatian ke bentuk melengkung 3D. Rincian lebih bawah garis penelitian ini dijelaskan pada akhir Bagian 1 dan 2 di bawah ini.
Dalam waktu dekat, penelitian saya akan cabang ke haptics, manipulasi terampil, dan interaksi manusia-robot. Sebuah rencana untuk upaya ini akan mengikuti Part 5.
- Bentuk pengakuan taktil menggunakan invariants diferensial.
Ph.D. mahasiswa Rinat Ibrayev dan saya telah mempelajari bagaimana mengenali bentuk dibatasi oleh rendah derajat kurva polinomial menggunakan data taktil minimal. Masalahnya generalisasi pengakuan berbasis model tradisional dalam arti bahwa masing-masing model sekarang bukan hanya bentuk tertentu melainkan sebuah keluarga dari kontinum bentuk parametrik.
Diferensial dan semi-diferensial invariants memiliki keuntungan yang membutuhkan data lokal (yang dihasilkan oleh sensor sentuh) saja. Invariants kami telah diturunkan independen tidak hanya translasi dan rotasi (sebagai invariants digunakan dalam visi komputer) tetapi juga titik-titik batas di mana mereka dievaluasi. Secara teori, paling banyak tiga poin tersebut diperlukan untuk kurva kuadrat dan kurva spline kubik.
Invariants ini memungkinkan kita untuk membedakan satu keluarga kurva dari yang lain, dan menentukan bentuk nyata dari keluarga diakui. Selanjutnya, lokasi kontak di mana data taktil diperoleh juga dapat diperkirakan, maka penempatan relatif dari jari pada bentuk menjadi dikenal. Oleh karena itu pendekatan berdasarkan invarian-memiliki potensi pengakuan pemersatu bentuk, pemulihan, dan lokalisasi baik sebagai tangan manusia tidak sadar sehari-hari.
Kami telah melakukan percobaan awal dengan data taktil nyata untuk mendukung validitas dari pendekatan ini. Sebuah metode yang stabil ini dirancang untuk memperkirakan kelengkungan dan turunannya.
Pekerjaan awal pada topik ini dilaporkan pada 2004 IEEE International Conference on Robotics dan Otomasi (ICRA). Sebuah versi yang lebih lengkap (dengan beberapa hasil percobaan) disajikan pada Lokakarya Internasional tahun 2004 tentang Yayasan algorithmic Robotika (WAFR), dan telah dipilih untuk edisi khusus International Journal of Robotics Research (IJRR) pada tahun 2005.
Ekstensi masa depan : Kami akan memperpanjang desain invariants kurva untuk lebih umum digunakan dalam aplikasi, dan membangun sebuah pohon pengakuan untuk 2D bentuk melengkung yang dapat dicari dengan kueri atas data taktil. Kemudian kita akan melanjutkan untuk menyelidiki pengakuan berdasarkan invarian-bentuk melengkung di 3D (yang merupakan Ph.D. tesis topik potensi Rinat).
- Bagian lokalisasi dan rekonstruksi dengan sensor sentuh
Terinspirasi oleh kemampuan tangan manusia untuk menentukan penempatannya pada objek akrab melalui jari pelacakan dan meraba-raba, saya telah menunjukkan bagaimana melokalisasi bentuk melengkung 2D dengan rolling rahang dilengkapi dengan sensor sentuh. Informasi yang terukur mencakup berapa banyak rahang telah berubah dan seberapa jauh ia telah pindah bentuk.
Saya merancang algoritma numerik yang menghitung konfigurasi rahang setelah gerakan rolling. algoritma ini adalah lengkap dan jumlah perhitungan numerik adalah asimtotik optimal. Lokalisasi ditunjukkan melalui percobaan pada robot. Alih-alih menggunakan industri sensor gaya / torsi (yang mahal dan kadang-kadang overkills untuk percobaan laboratorium), saya menerapkan 3-axis sensor gaya / torsi yang dapat mendeteksi lokasi kontak. Hasil progresif pada karya lokalisasi dipresentasikan pada ICRA 2000 dan 2001 dan 2003 IEEE / RSJ Konferensi Internasional tentang Robot Cerdas dan Sistem (IROS). Ringkasan telah kondisional diterima Transaksi IEEE pada Robotika.
Sementara itu, Ph.D. mahasiswa Liangchuan Mi telah menunjukkan bagaimana sensor sentuhan sederhana seperti joystick dapat digunakan untuk merekonstruksi bentuk melengkung planar dengan hampir tidak ada kehilangan akurasi bentuk. Meskipun penginderaan gaya joystick yang terbatas, dapat menghasilkan pengukuran kontak yang tepat dengan mengambil keuntungan dari akurasi posisi tinggi robot Adept ini. Liangchuan datang dengan strategi pengendalian posisi yang sangat efektif yang memprediksi arah pergerakan pada langkah berikutnya berdasarkan kekuatan membaca saat ini dan cocok polinomial sejarah pelacakan lokal. Karya ini akan dipresentasikan pada IROS tahun 2004 di Jepang.
Ekstensi masa depan : Lokalisasi objek relatif terhadap tangan dengan sentuhan akan mengubah paradigma menggenggam dalam robotika di mana saat merasakan sering dilakukan terlebih dahulu oleh sistem visi atau dengan sensor terlepas dari tangan. Penyelidikan lebih lanjut pada interpretasi dari "perasaan" oleh sentuhan, saya yakin, akan memungkinkan integrasi yang erat antara penginderaan dan kontrol. Langkah selanjutnya akan pindah ke studi strategi menggenggam yang umpan balik didorong dan lebih kuat untuk kesalahan dan ketidakpastian. Sementara itu, kerja pelacakan bentuk akan diperluas ke rekonstruksi permukaan 3D, yang saya harap Liangchuan akan menyelidiki dengan saya di gelar Ph.D. tesis kerja.
- Kurva Perhitungan dan Finding antipodal Merebut.
Menemukan substruktur geometris terkait dengan kurva (seperti garis singgung umum dan poin antipodal) dapat dirumuskan sebagai pemrograman nonlinier tradisional. Tapi solusi tersebut akan tidak lengkap dan tidak efisien karena sifat lokal yang melekat metode pemrograman nonlinier. Saya telah menunjukkan bahwa, dalam dua dimensi, efisiensi komputasi dan (hampir) kelengkapan dapat dicapai dengan memanfaatkan geometri global dan diferensial.
Saya memperkenalkan skema pengolahan kurva yang membedah kurva ke segmen monoton (berdasarkan beberapa kriteria tugas-spesifik) dan kemudian pasangan berbaris dengan pembagian atas dua bagian numerik pada segmen ini untuk mencari substruktur yang diinginkan. Untuk menunjukkan ide ini, saya hadir algoritma yang efisien yang menghitung, hingga resolusi numerik, semua pasangan titik antipodal pada bentuk melengkung planar. Titik-titik ini digunakan untuk mencapai menggenggam stabil bentuk. Algoritma ini menggunakan wawasan baru ke dalam geometri diferensial di dua titik antipodal, dan mempekerjakan sub rutin untuk membangun semua garis singgung umum dari dua segmen kurva. Tingkat konvergensi numerik dan waktu berjalan dari algoritma yang telah ditentukan.
Karya tersebut merupakan uang muka pada perhitungan yang melibatkan kurva parametrik, dan juga memberikan solusi yang sangat memuaskan untuk salah satu masalah terkenal di robot menggenggam. Hal ini dijelaskan dalam IJRR kertas 31-halaman pada tahun 2004.
Selain itu, saya juga menerapkan skema perhitungan kurva di atas untuk membangun lambung cembung untuk pesawat belokan parametrik tertutup. Karya ini dirangkum dalam pengajuan 51-halaman untuk Komputasi Geometri: Teori dan Aplikasi.
- Geometris dan Dinamis Robot Sensing (Ph.D. tesis)
Tesis pekerjaan saya diselidiki strategi penginderaan geometris dan mekanik untuk benda bentuk yang diketahui (yang mencakup bagian industri dan desktop item sehari-hari). Saya pertama kali diperkenalkan dua strategi yang menggunakan kendala geometris sederhana baik melumpuhkan objek atau untuk membedakan berpose sebenarnya dari jumlah terbatas pose jelas. masalah kompleksitas komputasi diperiksa. Kemudian saya mengembangkan strategi penginderaan disebut "berpose dan gerak dari kontak." Dengan menerapkan teori observability nonlinear, saya menunjukkan bahwa informasi tugas penting sering tersembunyi dalam interaksi mekanik, dan menunjukkan bagaimana informasi ini dapat terungkap dengan benar. pengamat nonlinier dirancang untuk tujuan tersebut.
Pekerjaan tesis dilakukan di Carnegie Mellon University. Sebagian besar hasilnya dipublikasikan dalam dua makalah IJRR (28 halaman dan 25 halaman, masing-masing) pada tahun 1996 dan 1999. Hasil yang independen (pada observability lokal dari objek 3D bergulir pada telapak dijiwai dengan sensor taktil) disajikan pada WAFR di 1998.
- Rencana Penelitian masa depan
Selain upaya-upaya pengenalan bentuk taktil dan rekonstruksi terus seperti yang dijelaskan dalam Bagian 1 dan 2, agenda penelitian masa depan saya juga akan mencakup haptics, manipulasi terampil, dan interaksi manusia-robot.
Salah satu masalah terbuka di haptics adalah untuk menangani keterlambatan respon yang sering menyebabkan ketidakstabilan sistem haptic. Hal ini terutama disebabkan kurangnya model yang dapat diandalkan lingkungan fisik. Sementara itu, banyak yang perlu diselidiki dalam memberikan haptic pada penggunaan pengukuran pada lingkungan nyata untuk membangun model bentuk fisik, kekakuan, tekstur, dll Untuk mempercepat respon, pengukuran taktil dapat dikombinasikan dengan pengetahuan apriori untuk membangun kasar model lingkungan (lokal). Seperti model memberikan informasi seperti bentuk, kekakuan, dll maka akan mendapatkan halus selama interaksi antara hamba dan lingkungan di bawah bimbingan pengguna. Dengan beberapa pengguna berinteraksi dengan lingkungan yang sama, fusi data taktil dan perencanaan jalan juga berada di antara topik penelitian yang menarik.
Dalam manipulasi terampil, saya ingin mengatasi masalah memanipulasi obyek sambil menjelajahi sifat geometris dan fisik, dengan atau tanpa visi. Aplikasi termasuk tugas-tugas dengan derajat kompleksitas tinggi, seperti operasi robot dan robot-dibantu, eksplorasi ruang angkasa, dan robotika rumah tangga (tugas dari mengganti bola lampu untuk membersihkan piring di meja makan). Masalahnya iteself adalah domain perwakilan di mana beberapa daerah penelitian di robotika datang bersama-sama: dinamika dan kontrol dari tangan; observability objek; menggenggam bawah kendala dinamis; perencanaan manipulasi lintasan; recovery / estimasi bentuk, tekstur, kekakuan, dll .; dan sensor fusi (misalnya, dengan adanya beberapa sensor sentuh atau sistem visi). kerja yang ada telah sebagian besar terkonsentrasi di salah satu daerah di atas, kadang-kadang di bawah asumsi dibatasi, sehingga hasilnya tidak cukup umum untuk dapat diterapkan dalam tugas-tugas nyata dengan derajat yang wajar kompleksitas. Jelas, upaya yang diperlukan untuk memahami peran dan interaksi mereka dan ciri hasil dalam kerangka terpadu dalam rangka untuk itu menjadi terobosan besar di lapangan. Pemahaman tersebut dan verifikasi eksperimental yang akan diperlukan sebelum munculnya robot tujuan umum. Saya sadar bahwa penelitian ini dapat berubah menjadi usaha ilmiah jangka panjang tetapi upaya setia pasti akan bermanfaat.
Daerah lain yang menarik saya berharap untuk mengeksplorasi di masa depan adalah interaksi manusia-robot. Cara membuat robot belajar keterampilan manipulasi ketika dilatih oleh manusia? Dapat robot dan manusia secara fisik berpartisipasi dalam permainan seperti poker cara dua manusia lakukan (menangani kartu, pencampuran kartu, dll)? Belajar diharapkan dapat memainkan peran penting kecuali keterampilan ditingkatkan adalah dalam bentuk algoritma kontrol berurusan terutama dengan mekanik. Berdasarkan interaksi, pelatih manusia harus selalu dapat mempercepat "belajar" proses dengan memprogram ulang pengetahuan halus ke dalam robot.
Saya membayangkan laboratorium saya untuk tumbuh menjadi sebuah kelompok penelitian dengan setidaknya lima mahasiswa pascasarjana dan beberapa asisten penelitian sarjana, dalam beberapa tahun ke depan. Tiga atau empat tahun kemudian, kelompok ini diharapkan akan menghasilkan setidaknya satu Ph.D. setiap tahun. Saya akan bekerja keras untuk mempertahankan aliran mahasiswa pascasarjana dan output intelektual laboratorium. dukungan hibah yang cukup dan strategi siswa merekrut agresif keduanya penting untuk mencapai tujuan di atas. Dengan upaya ini, saya akan berusaha untuk membangun laboratorium ke tempat robotika terlihat sangat berorientasi untuk geometri, sentuhan, dan robot ketangkasan.
Sumber: http://web.cs.iastate.edu/~jia/research/research-statement.html
