Humanoid environmental perception with Gaussian process regression
- 1. Peking University
Description
Nowadays, humanoids are increasingly expected acting in the real world to complete some high-level tasks humanly and intelligently. However, this is a hard issue due to that the real world is always extremely complicated and full of miscellaneous variations. As a consequence, for a real-world-acting robot, precisely perceiving the environmental changes might be an essential premise. Unlike human being, humanoid robot usually turns out to be with much less sensors to get enough information from the real world, which further leads the environmental perception problem to be more challenging. Although it can be tackled by establishing direct sensory mappings or adopting probabilistic filtering methods, the nonlinearity and uncertainty caused by both the complexity of the environment and the high degree of freedom of the robots will result in tough modeling difficulties. In our study, with the Gaussian process regression framework, an alternative learning approach to address such a modeling problem is proposed and discussed. Meanwhile, to debase the influence derived from limited sensors, the idea of fusing multiple sensory information is also involved. To evaluate the effectiveness, with two representative environment changing tasks, that is, suffering unknown external pushing and suddenly encountering sloped terrains, the proposed approach is applied to a humanoid, which is only equipped with a three-axis gyroscope and a three-axis accelerometer. Experimental results reveal that the proposed Gaussian process regression-based approach is effective in coping with the nonlinearity and uncertainty of the humanoid environmental perception problem. Further, a humanoid balancing controller is developed, which takes the output of the Gaussian process regression-based environmental perception as the seed to activate the corresponding balancing strategy. Both simulated and hardware experiments consistently show that our approach is valuable and leads to a good base for achieving a successful balancing controller for humanoid.
Translated Descriptions
Translated Description (Arabic)
في الوقت الحاضر، من المتوقع بشكل متزايد أن يعمل البشر في العالم الحقيقي لإكمال بعض المهام عالية المستوى بإنسانية وذكاء. ومع ذلك، فهذه مشكلة صعبة نظرًا لأن العالم الحقيقي دائمًا معقد للغاية ومليء بالاختلافات المتنوعة. ونتيجة لذلك، بالنسبة للروبوت الذي يتصرف في العالم الحقيقي، قد يكون إدراك التغيرات البيئية بدقة فرضية أساسية. على عكس الإنسان، عادة ما يكون الروبوت البشري مزودًا بأجهزة استشعار أقل بكثير للحصول على معلومات كافية من العالم الحقيقي، مما يؤدي إلى أن تكون مشكلة الإدراك البيئي أكثر تحديًا. على الرغم من أنه يمكن معالجتها من خلال إنشاء خرائط حسية مباشرة أو اعتماد طرق تصفية احتمالية، إلا أن اللاخطية وعدم اليقين الناجمين عن تعقيد البيئة والدرجة العالية من حرية الروبوتات سيؤديان إلى صعوبات صعبة في النمذجة. في دراستنا، مع إطار انحدار العملية الغاوسية، يتم اقتراح ومناقشة نهج تعليمي بديل لمعالجة مشكلة النمذجة هذه. وفي الوقت نفسه، من أجل إضعاف التأثير المستمد من أجهزة الاستشعار المحدودة، فإن فكرة دمج معلومات حسية متعددة متضمنة أيضًا. لتقييم الفعالية، مع مهمتين تمثيليتين متغيرتين للبيئة، أي المعاناة من دفع خارجي غير معروف ومواجهة تضاريس منحدرة فجأة، يتم تطبيق النهج المقترح على إنسان، وهو مجهز فقط بجيروسكوب ثلاثي المحاور ومقياس تسارع ثلاثي المحاور. تكشف النتائج التجريبية أن النهج المقترح القائم على الانحدار في العملية الغاوسية فعال في التعامل مع اللاخطية وعدم اليقين لمشكلة الإدراك البيئي البشري. علاوة على ذلك، تم تطوير جهاز تحكم موازنة بشري، والذي يأخذ مخرجات التصور البيئي القائم على الانحدار لعملية غاوس كبذرة لتنشيط استراتيجية التوازن المقابلة. تُظهر كل من تجارب المحاكاة والأجهزة باستمرار أن نهجنا قيم ويؤدي إلى قاعدة جيدة لتحقيق وحدة تحكم موازنة ناجحة للبشر.Translated Description (French)
De nos jours, on s'attend de plus en plus à ce que les humanoïdes agissent dans le monde réel pour accomplir certaines tâches de haut niveau humainement et intelligemment. Cependant, il s'agit d'un problème difficile en raison du fait que le monde réel est toujours extrêmement compliqué et plein de variations diverses. En conséquence, pour un robot agissant dans le monde réel, la perception précise des changements environnementaux pourrait être une prémisse essentielle. Contrairement à l'être humain, le robot humanoïde s'avère généralement avoir beaucoup moins de capteurs pour obtenir suffisamment d'informations du monde réel, ce qui rend le problème de perception environnementale plus difficile. Bien qu'il puisse être abordé en établissant des cartographies sensorielles directes ou en adoptant des méthodes de filtrage probabilistes, la non-linéarité et l'incertitude causées à la fois par la complexité de l'environnement et le haut degré de liberté des robots entraîneront de difficiles difficultés de modélisation. Dans notre étude, avec le cadre de régression du processus gaussien, une approche d'apprentissage alternative pour résoudre un tel problème de modélisation est proposée et discutée. Pendant ce temps, pour dégrader l'influence dérivée de capteurs limités, l'idée de fusionner plusieurs informations sensorielles est également impliquée. Pour évaluer l'efficacité, avec deux tâches représentatives de changement d'environnement, c'est-à-dire subissant une poussée externe inconnue et rencontrant soudainement des terrains en pente, l'approche proposée est appliquée à un humanoïde, qui n'est équipé que d'un gyroscope à trois axes et d'un accéléromètre à trois axes. Les résultats expérimentaux révèlent que l'approche basée sur la régression du processus gaussien proposée est efficace pour faire face à la non-linéarité et à l'incertitude du problème de perception environnementale humanoïde. En outre, un contrôleur d'équilibrage humanoïde est développé, qui prend la sortie de la perception environnementale basée sur la régression du processus gaussien comme amorce pour activer la stratégie d'équilibrage correspondante. Les expériences simulées et matérielles montrent systématiquement que notre approche est précieuse et conduit à une bonne base pour parvenir à un contrôleur d'équilibrage réussi pour les humanoïdes.Translated Description (Spanish)
Hoy en día, se espera cada vez más que los humanoides actúen en el mundo real para completar algunas tareas de alto nivel de manera humana e inteligente. Sin embargo, este es un tema difícil debido a que el mundo real siempre es extremadamente complicado y lleno de variaciones diversas. Como consecuencia, para un robot que actúa en el mundo real, percibir con precisión los cambios ambientales podría ser una premisa esencial. A diferencia del ser humano, el robot humanoide suele tener muchos menos sensores para obtener suficiente información del mundo real, lo que hace que el problema de percepción ambiental sea más desafiante. Aunque se puede abordar estableciendo mapeos sensoriales directos o adoptando métodos de filtrado probabilístico, la no linealidad y la incertidumbre causadas tanto por la complejidad del entorno como por el alto grado de libertad de los robots darán lugar a dificultades de modelado difíciles. En nuestro estudio, con el marco de regresión de procesos gaussianos, se propone y discute un enfoque de aprendizaje alternativo para abordar dicho problema de modelado. Mientras tanto, para degradar la influencia derivada de sensores limitados, también está involucrada la idea de fusionar información sensorial múltiple. Para evaluar la efectividad, con dos tareas representativas de cambio de entorno, es decir, sufrir empujes externos desconocidos y encontrarse repentinamente con terrenos inclinados, el enfoque propuesto se aplica a un humanoide, que solo está equipado con un giroscopio de tres ejes y un acelerómetro de tres ejes. Los resultados experimentales revelan que el enfoque basado en la regresión del proceso gaussiano propuesto es eficaz para hacer frente a la no linealidad y la incertidumbre del problema de la percepción ambiental humanoide. Además, se desarrolla un controlador de equilibrio humanoide, que toma la salida de la percepción ambiental basada en la regresión del proceso gaussiano como la semilla para activar la estrategia de equilibrio correspondiente. Tanto los experimentos simulados como los de hardware muestran consistentemente que nuestro enfoque es valioso y conduce a una buena base para lograr un controlador de equilibrio exitoso para humanoides.Files
1729881416666783.pdf
Files
(16.0 kB)
| Name | Size | Download all |
|---|---|---|
|
md5:5172abac3d26d2f059a6788df452e7b6
|
16.0 kB | Preview Download |
Additional details
Additional titles
- Translated title (Arabic)
- الإدراك البيئي البشري مع انحدار العملية الغاوسية
- Translated title (French)
- Perception environnementale humanoïde avec régression du processus gaussien
- Translated title (Spanish)
- Percepción ambiental humanoide con regresión de procesos gaussianos
Identifiers
- Other
- https://openalex.org/W2560314555
- DOI
- 10.1177/1729881416666783
References
- https://openalex.org/W1663973292
- https://openalex.org/W169414593
- https://openalex.org/W1990777642
- https://openalex.org/W2007692097
- https://openalex.org/W2014824949
- https://openalex.org/W2158284841
- https://openalex.org/W4211049957
- https://openalex.org/W4244105789