當(dāng)機(jī)器人遇見機(jī)器學(xué)習(xí)——NAO機(jī)器人的人機(jī)互動(dòng)及示教編程應(yīng)用背景介紹一、關(guān)于NAO機(jī)器人本項(xiàng)目的開發(fā)基礎(chǔ)是法國(guó)AldebaranRobotics公司（軟銀機(jī)器人公司）生產(chǎn)的人形NAO機(jī)器人，它具備較高水平的人工智能，能夠與人親切的互動(dòng)，它主要用于科研教學(xué)領(lǐng)域，用戶可以通過官方提供Choregraphe軟件和SDK來控制NAO。也有愛好者使用NAO機(jī)器人來完成一些簡(jiǎn)單的舞蹈表演、擊球項(xiàng)目以及模仿人類各種行為等。如圖為如圖為NAO的組成?？偣灿?5關(guān)節(jié)，主要分成頭部（2），手臂（12），腰部（1），腿部（10）。手臂和腿部關(guān)節(jié)是左右對(duì)稱的。有霍爾效應(yīng)傳感器（32）、接觸傳感器（3）、紅外線傳感器（2）、超聲波傳感器（2）、一個(gè)雙軸陀螺儀傳感器（1）、三軸加速度傳感器（2）、減壓傳感器（8）和避震器（2）。還有使用于圖像和語音處理的攝影機(jī)（2）、麥克風(fēng)（4）和揚(yáng)聲器（2）。Nao是在學(xué)術(shù)領(lǐng)域世界范圍內(nèi)運(yùn)用最廣泛的類人機(jī)器人。法國(guó)AldebaranRobotics（阿爾德巴蘭機(jī)器人）公司將Nao的技術(shù)開放給所有的高等教育項(xiàng)目，并于2010年成立基金會(huì)支持在機(jī)器人及其應(yīng)用領(lǐng)域的教學(xué)項(xiàng)目。Nao的多用途是基于它可以通過現(xiàn)成的指令塊進(jìn)行可視化編程，因此它允許用戶探索各種領(lǐng)域、運(yùn)用各種復(fù)雜程度的編程程序并達(dá)到用戶想要體驗(yàn)的各種不同效果。教學(xué)用機(jī)器人通常是有趣、有挑戰(zhàn)性和能激發(fā)想象力的。Nao作為教與學(xué)的得力助手，正在創(chuàng)造著未來的教育方式。超過1700個(gè)Nao已經(jīng)被全球30個(gè)國(guó)家的450多所頂尖高校和實(shí)驗(yàn)室購買作為研究工具。正在使用Nao的高校機(jī)構(gòu)有美國(guó)哈佛大學(xué)和布朗大學(xué)、英國(guó)威爾士大學(xué)、德國(guó)弗萊堡大學(xué)、日本東京大學(xué)、中國(guó)浙江大學(xué)、同濟(jì)大學(xué)和山西大學(xué)。高校不僅將Nao運(yùn)用在機(jī)器人研究，人工智能和計(jì)算機(jī)科學(xué)領(lǐng)域，還運(yùn)用在社會(huì)學(xué)和醫(yī)療保健領(lǐng)域。Nao參與的研究項(xiàng)目包括自閉癥治療、多智能體系統(tǒng)、自動(dòng)化、訊號(hào)處理、全身運(yùn)動(dòng)以及路徑規(guī)劃。Nao硬件采用最新科技設(shè)計(jì)制造，保證了Nao動(dòng)作的流暢性，還配備了多種傳感器。Nao機(jī)器人比較特別的地方是使用Intel的嵌入式處理器，使用C++或Python語言來控制，高度為23寸，約60公分。此外，NAO機(jī)器人可以在多種平臺(tái)上編程并且擁有一個(gè)開放式的編程構(gòu)架，所以不同的軟件模塊可以更好的相互作用，不論使用者的專業(yè)水平如何，都能夠通過圖像編程平臺(tái)來為NAO機(jī)器人編制程。二、關(guān)于人體姿態(tài)傳感器姿態(tài)傳感器是基于MEMS技術(shù)的高性能三維運(yùn)動(dòng)姿態(tài)測(cè)量系統(tǒng)。它包含三軸陀螺儀、三軸加速度計(jì)，三軸電子羅盤等運(yùn)動(dòng)傳感器，通過內(nèi)嵌的低功耗ARM處理器得到經(jīng)過溫度補(bǔ)償?shù)娜S姿態(tài)與方位等數(shù)據(jù)。利用基于四元數(shù)的三維算法和特殊數(shù)據(jù)融合技術(shù)，實(shí)時(shí)輸出以四元數(shù)、歐拉角表示的零漂移三維姿態(tài)方位數(shù)據(jù)。LPMS系列和iAHRS-M0[1]姿態(tài)傳感器可廣泛嵌入到航模無人機(jī)，機(jī)器人，機(jī)械云臺(tái)，車輛船舶，地面及水下設(shè)備，虛擬現(xiàn)實(shí)，人體運(yùn)動(dòng)分析等需要自主測(cè)量三維姿態(tài)與方位的產(chǎn)品設(shè)備中。通過WiFi將姿態(tài)傳感器的數(shù)據(jù)發(fā)送給機(jī)器人，讓機(jī)器人識(shí)別人體實(shí)時(shí)動(dòng)作，然后做出相應(yīng)反應(yīng)，即可實(shí)現(xiàn)人機(jī)互動(dòng)或者是對(duì)機(jī)器人的實(shí)時(shí)控制。目的與功能基于動(dòng)作的人機(jī)互動(dòng)目的：目前使用NAO機(jī)器人與人進(jìn)行互動(dòng)多是基于語音和視覺，但是這兩種方式準(zhǔn)確度都不夠高。因此我們希望通過捕捉人類互動(dòng)時(shí)的各種動(dòng)作讓NAO學(xué)習(xí)人類互動(dòng)的方式。預(yù)期效果：NAO能夠與人進(jìn)行常規(guī)的互動(dòng)，比如：揮手打招呼、握手、擁抱等。2.通過肢體動(dòng)作遠(yuǎn)程控制NAO目的：方便用戶不在家時(shí)能夠輕松控制放在家里的NAO機(jī)器人，讓機(jī)器人能夠代替人去做一些事情。預(yù)期效果：通過捕捉用戶上半身的動(dòng)作實(shí)時(shí)控制機(jī)器人所有動(dòng)作。3.實(shí)現(xiàn)一種新的示教式編程方式目的：目前對(duì)機(jī)器人的示教式編程多是一種“手把手”示教的方式，即由人直接掰動(dòng)機(jī)器人的但這種方式在對(duì)多自由度的類人機(jī)器人進(jìn)行編程時(shí)顯得十分不便。預(yù)期效果：通過捕捉人的肢體數(shù)據(jù)直接對(duì)機(jī)器人示教，從而讓機(jī)器人“看”一次人類如何做一件簡(jiǎn)單的事之后就會(huì)做這件事。前期經(jīng)驗(yàn)已經(jīng)對(duì)官方提供的各功能模塊有了較好的掌握，未來將更加注重細(xì)節(jié)，通過對(duì)程序的優(yōu)化和算法的創(chuàng)新彌補(bǔ)機(jī)器人自身的一些不足之處。機(jī)器人存在的問題主要是因?yàn)楸旧碛布o法達(dá)到理想狀態(tài)，導(dǎo)致很多問題不像想象中的簡(jiǎn)單。雖然生產(chǎn)人形機(jī)器人的公司都宣稱自己的機(jī)器人可以做這樣那樣的事情，但其精確性和穩(wěn)定性都不太好。大多數(shù)機(jī)器人比賽其實(shí)就是看誰能更好的解決這些機(jī)器人硬件本身不足導(dǎo)致的問題。例如：①機(jī)器人走不穩(wěn)走不直，行走參數(shù)不易調(diào)整→通過機(jī)器學(xué)習(xí)優(yōu)化機(jī)器人行走步態(tài)；②官方提供的檢測(cè)摔倒程序占用了寶貴的CPU資源→加入自主創(chuàng)新的摔倒處理程序；③減少對(duì)電腦的依賴，盡可能用手機(jī)控制程序的運(yùn)行。機(jī)器學(xué)習(xí)技術(shù)實(shí)現(xiàn)目標(biāo)：通過已有數(shù)據(jù)進(jìn)行分類數(shù)據(jù)示例：上圖中所示的數(shù)據(jù)為，測(cè)試者做出某一特定動(dòng)作時(shí)，傳感器采集到的16個(gè)參數(shù)，首先將其結(jié)構(gòu)化為下表中的形式。參數(shù)1參數(shù)2…….參數(shù)16動(dòng)作類型動(dòng)作1XxxxXxx…….Xxx0動(dòng)作2XxxXxx…….Xxx1動(dòng)作3XxxXxx…….Xxx1我們采用SVM分類方法，通過更換不同的核函數(shù)進(jìn)行測(cè)試，結(jié)果如下：SVM核函數(shù)LinearQuadraticCubicMediumGaussianCoarseGaussian準(zhǔn)確率99.899.999.799.999.6另外我們也嘗試用GDA分類方法：分類方法GDA(GaussianDiscriminantAnalysis)準(zhǔn)確率99.86方法：先對(duì)16個(gè)特征降維，然后選擇可解釋度最高，且之和大于95%的前幾個(gè)特征（一般是前7個(gè)）訓(xùn)練與測(cè)試數(shù)據(jù)：然后分別用5中支持向量機(jī)對(duì)其進(jìn)行分類（這里采用5folds，即將數(shù)據(jù)分為5分，4分訓(xùn)練一份測(cè)試，如此循環(huán)，直到全部數(shù)據(jù)都被測(cè)試），最后畫出置混淆矩陣，給出每種方法的準(zhǔn)確率:。以性能表現(xiàn)較好的LinearSVM方法為例：散點(diǎn)圖：混淆矩陣：其他信息：總結(jié)：每種方法都可以得到較高的準(zhǔn)確率，但識(shí)別出錯(cuò)的情況各不相同。由此，如果像進(jìn)一步提高準(zhǔn)確率，可以將5種方法作為5個(gè)分類器，集成為boosting算法將是較為可行的思路。進(jìn)度安排第一階段進(jìn)行數(shù)據(jù)的采集和訓(xùn)練，通過機(jī)器學(xué)習(xí)對(duì)傳感器采集到的數(shù)據(jù)進(jìn)行動(dòng)作分類，完成機(jī)器人、傳感器、電腦（或手機(jī)）三者之間的通信程序。第二階段讓機(jī)器人通過已經(jīng)訓(xùn)練好的結(jié)果來判斷人在做什么動(dòng)作，并做出相應(yīng)的互動(dòng)和回應(yīng)第三階段將第二階段的實(shí)驗(yàn)結(jié)果拓展到實(shí)際應(yīng)用領(lǐng)域，比如交通指揮，音樂指揮，旗語交流等，使我們的研究結(jié)果具有實(shí)際價(jià)值。拓展方向 在原有DRL（深度增強(qiáng)學(xué)習(xí)）算法訓(xùn)練的基礎(chǔ)上，通過模仿人類的動(dòng)作來調(diào)整策略，使得機(jī)器人的行為看起來更像人，而不是僵死地行動(dòng)。 這種方法使得機(jī)器人的行為看起來很人非常像，而使用人的樣本還可以很少。 波士頓動(dòng)力的大狗，研發(fā)幾十年得到的成果，現(xiàn)在則可能通過深度學(xué)習(xí)可能可以更快更好的實(shí)現(xiàn)。參考文獻(xiàn)[1]孫翔侃，白寶興.基于機(jī)器學(xué)習(xí)的NAO機(jī)器人檢測(cè)跟蹤[J].長(zhǎng)春理工大學(xué)學(xué)報(bào)(自然科學(xué)版).2016年02期[2]張仁彥,劉孟茹,孔凡超,趙傳林,趙洪亮.基于Python的Nao機(jī)器人實(shí)驗(yàn)系統(tǒng)設(shè)計(jì)[J].中國(guó)現(xiàn)代教育裝備.2017年01期[3]秦嬌，王向華.基于PID控制的NAO機(jī)器人循線行走技術(shù)研究[J].山東科技大學(xué)