Nel 2018, i ricercatori del MIT e della casa automobilistica BMW stavano testando i modi in cui esseri umani e robot potrebbero lavorare in stretta vicinanza per assemblare parti di automobili. In una replica di un ambiente di fabbrica, la squadra ha allestito un robot su rotaie, progettato per consegnare parti tra le postazioni di lavoro. Nel frattempo, i lavoratori umani hanno incrociato ogni tanto il suo cammino per lavorare nelle stazioni vicine.

Il robot era programmato per fermarsi momentaneamente al passaggio di una persona. Ma i ricercatori hanno notato che il robot spesso si bloccava sul posto, eccessivamente prudente, molto prima che una persona avesse attraversato il suo cammino. Se ciò avvenisse in un vero ambiente di produzione, tali pause inutili potrebbero accumularsi in inefficienze significative.

Il team ha ricondotto il problema a una limitazione negli algoritmi di allineamento della traiettoria del robot utilizzati dal software di previsione del movimento del robot. Sebbene potessero ragionevolmente prevedere dove fosse diretta una persona, a causa dello scarso allineamento temporale, gli algoritmi non sono stati in grado di anticipare quanto tempo quella persona ha trascorso in qualsiasi momento lungo il percorso previsto e, in questo caso, quanto tempo impiegherebbe una persona a fermarsi, quindi torna indietro e attraversa di nuovo il percorso del robot.

Ora, i membri dello stesso team del MIT hanno trovato una soluzione:un algoritmo che allinea accuratamente le traiettorie parziali in tempo reale, consentendo ai predittori di movimento di anticipare con precisione i tempi del movimento di una persona. Quando hanno applicato il nuovo algoritmo agli esperimenti in fabbrica BMW, hanno scoperto che, invece di congelare sul posto, il robot è semplicemente rotolato ed era al sicuro fuori dai piedi quando la persona è passata di nuovo.

"Questo algoritmo integra componenti che aiutano un robot a comprendere e monitorare arresti e sovrapposizioni in movimento, che sono una parte fondamentale del movimento umano, "dice Julie Shah, professore associato di aeronautica e astronautica al MIT. "Questa tecnica è uno dei tanti modi in cui stiamo lavorando sui robot per comprendere meglio le persone".

Shah e i suoi colleghi, compreso il capo progetto e studente laureato Przemyslaw "Pem" Lasota, presenteranno i loro risultati questo mese alla conferenza Robotics:Science and Systems in Germania.

Per consentire ai robot di prevedere i movimenti umani, i ricercatori in genere prendono in prestito algoritmi dalla musica e dall'elaborazione del parlato. Questi algoritmi sono progettati per allineare due serie temporali complete, o insiemi di dati correlati, come una traccia audio di una performance musicale e un video a scorrimento della notazione musicale di quel pezzo.

I ricercatori hanno utilizzato algoritmi di allineamento simili per sincronizzare misurazioni in tempo reale e precedentemente registrate del movimento umano, prevedere dove sarà una persona, dire, cinque secondi da adesso. Ma a differenza della musica o della parola, il movimento umano può essere disordinato e molto variabile. Anche per movimenti ripetitivi, come allungarsi su un tavolo per avvitare un bullone, una persona può muoversi in modo leggermente diverso ogni volta.

Gli algoritmi esistenti in genere accettano lo streaming di dati di movimento, sotto forma di punti che rappresentano la posizione di una persona nel tempo, e confrontare la traiettoria di quei punti con una libreria di traiettorie comuni per lo scenario dato. Un algoritmo mappa una traiettoria in termini di distanza relativa tra i punti.

Ma Lasota dice che gli algoritmi che prevedono le traiettorie basandosi solo sulla distanza possono essere facilmente confusi in certe situazioni comuni, come soste temporanee, in cui una persona si ferma prima di proseguire il proprio cammino. Durante la pausa, i punti che rappresentano la posizione della persona possono raggrupparsi nello stesso punto.

"Quando guardi i dati, hai un sacco di punti raggruppati insieme quando una persona viene fermata, " Dice Lasota. "Se guardi solo la distanza tra i punti come metrica di allineamento, che può essere fonte di confusione, perché sono tutti vicini, e non hai una buona idea di quale punto devi allineare."

Lo stesso vale per le traiettorie sovrapposte, i casi in cui una persona si muove avanti e indietro lungo un percorso simile. Lasota dice che mentre la posizione attuale di una persona può allinearsi con un punto su una traiettoria di riferimento, gli algoritmi esistenti non possono distinguere se quella posizione fa parte di una traiettoria che si allontana, o tornando per lo stesso percorso.

"Potresti avere punti vicini tra loro in termini di distanza, ma in termini di tempo, la posizione di una persona può effettivamente essere lontana da un punto di riferimento, "dice Lasota.

Sta tutto nel tempismo

Come soluzione, Lasota e Shah hanno ideato un algoritmo di "traiettoria parziale" che allinea i segmenti della traiettoria di una persona in tempo reale con una libreria di traiettorie di riferimento precedentemente raccolte. È importante sottolineare che il nuovo algoritmo allinea le traiettorie sia in distanza che in temporizzazione, e così facendo, è in grado di anticipare con precisione fermate e sovrapposizioni nel percorso di una persona.

"Dì che hai eseguito così tanto un movimento, " Spiega Lasota. "Le vecchie tecniche diranno, 'questo è il punto più vicino su questa traiettoria rappresentativa per quel movimento." Ma dal momento che hai completato solo così tanto in un breve lasso di tempo, la parte temporale dell'algoritmo dirà, 'in base ai tempi, è improbabile che tu sia già sulla via del ritorno, perché hai appena iniziato il tuo movimento.""

Il team ha testato l'algoritmo su due set di dati sul movimento umano:uno in cui una persona ha attraversato a intermittenza il percorso di un robot in un'impostazione di fabbrica (questi dati sono stati ottenuti dagli esperimenti del team con BMW), e un altro in cui il gruppo aveva precedentemente registrato i movimenti delle mani dei partecipanti che si allungavano su un tavolo per installare un bullone che un robot avrebbe poi fissato spazzolando il sigillante sul bullone.

Per entrambi i set di dati, l'algoritmo del team è stato in grado di fare stime migliori dei progressi di una persona attraverso una traiettoria, rispetto a due algoritmi di allineamento di traiettorie parziali comunemente usati. Per di più, il team ha scoperto che quando hanno integrato l'algoritmo di allineamento con i loro predittori di movimento, il robot potrebbe anticipare in modo più accurato i tempi del movimento di una persona. Nello scenario della fabbrica, Per esempio, hanno scoperto che il robot era meno incline al congelamento sul posto, e invece ha ripreso senza problemi il suo compito poco dopo che una persona ha attraversato il suo cammino.

Mentre l'algoritmo è stato valutato nel contesto della previsione del movimento, può essere utilizzato anche come fase di pre-elaborazione per altre tecniche nel campo dell'interazione uomo-robot, come il riconoscimento delle azioni e il rilevamento dei gesti. Shah afferma che l'algoritmo sarà uno strumento chiave per consentire ai robot di riconoscere e rispondere a modelli di movimenti e comportamenti umani. In definitiva, questo può aiutare gli esseri umani e i robot a lavorare insieme in ambienti strutturati, come le impostazioni di fabbrica e persino, in alcuni casi, la casa.

"Questa tecnica potrebbe applicarsi a qualsiasi ambiente in cui gli esseri umani mostrano modelli di comportamento tipici, " Shah dice. "La chiave è che il sistema [robotico] può osservare schemi che si verificano più e più volte, in modo che possa imparare qualcosa sul comportamento umano. Tutto questo è nella vena del lavoro del robot per comprendere meglio gli aspetti del movimento umano, per poter collaborare meglio con noi."

Questa storia è stata ripubblicata per gentile concessione di MIT News (web.mit.edu/newsoffice/), un popolare sito che copre notizie sulla ricerca del MIT, innovazione e didattica.