一种用于人机协作时预测人类后续动作的方法

简介

开发了一种深度学习方法用于预测操作员的预期动作，以便机器人与操作员完成一系列生产制造任务。该方法能够预测操作员搬运大型物件时的交互动作、亦可透过一种高效数据驱动的方式估计在协作任务或遥控操作任务，操作员控制该物件的意图。

商品化机会

项目咨询, 承包研究项目, 技术共同开发

解决方案

制造现场是一个动态变化环境，周边协作人员及对象不断移动，机器人在受到物理干预时，很多时候会被停止移动以确保安全。而且没有任何预先路径规划的机器人很难适应新环境。虽然机器人专家正在解决这些关键问题，但现有的解决方案无法扩展到大规模定制，这正正是许多工业和服装制造业的趋势

创新技术

采用离线和在线学习系统，使用深度神经网络训练机器人以感知共同协作人员的意图。
本项目开发的感知算法，用于准确有效地捕获3D环境信息，具有正确感知和准确测量周围环境的重要能力，例如在场人员、工具和对象以及工作站等。
专门设计及以人为本的接口，可实现机器人和人类之间的直观通信。

主要成效

本系统使机器人能够通过人与人之间的协作数据中学习，可靠地预测协作人员的意图和目标，并使自己适应真实工业场景中的特定任务。
机器人根据被分配的制造任务，针对任务及个别协作人员作出适应调整，实时正确反应。
确保工作安全，能够针对不同任务对机器人进行快捷高效的在线编程。

创新制衣技术研发中心（TransGP）由香港大学及日本东北大学合作成立。中心旨在为未来社会的需求提供解决方案。随着传统工业逐步迁出主要城市、人口老龄化等因素将导致劳动力短缺。中心致力推动再工业化，特别是制衣业的转型发展。虽然制衣业订立了明确的转型目标，但至今仍以高度劳动密集的生产模式为主。中心现正进行一系列研究项目，通过发展人工智能和机械人技术，以缩短产品开发周期、提高生产效率及减低出错机会，同时将高风险的工序自动化以提升安全水平。