该研究项目利用 Idiap 在多模式交互方面的专业知识及其开展深入多学科研究的独特能力,研究内容涵盖口头和非口头交流、语言处理、感知和认知系统以及人机交互。这包括机器对人类意图、动机和情感的理解,以及将可解释、可审计和可编辑的知识集成到计算模型中。该项目开展的研究增强了机器感知和理解人类活动的能力,通过创建充当按需专家的虚拟服务来改善信息访问,利用人类反馈来改进学习系统,并部署机器人来帮助人类完成工作场所和家庭环境中的日常任务。
摘要 - 在这项工作中,我们提出了一种新的方法,将机器人几何形状表示为距离场(RDF),该方法将签名距离场(SDF)的原理扩展到铰接的运动链。我们的方法采用了伯恩斯坦多项式的组合,以高精度和效率编码每个机器人链路的签名距离,同时确保SDF的数学连续性和不同性。我们进一步利用机器人的运动学链来在关节空间中产生SDF表示,从而允许以任意关节配置进行稳健的距离查询。提议的RDF表示在任务和关节空间中都是可区分和平滑的,使其直接集成到优化问题。此外,机器人的0级集合对应于机器人表面,可以将其无缝整合到全身操纵任务中。我们在模拟和7轴Franka Emika机器人中进行了各种经验,与基线方法进行了比较,并证明了其在避免碰撞和全身操纵任务方面的效率。项目页面:https://sites.google.com/view/lrdf/home