机器人系统精准识别人类需求对象
一种新方法有望实现家庭、工作场所和仓库环境中的直觉式机器人助手。
技术原理
研究团队开发了名为"Relevance"的系统架构，包含四个关键阶段：
- 感知阶段：通过麦克风和摄像头持续采集环境数据，输入包含大型语言模型(LLM)和多种算法的AI工具包
- 触发检测：周期性检查环境中是否出现需要响应的人类活动
- 相关性判定：核心算法实时分析AI工具包的预测结果，首先确定相关物体类别(如"杯子"优于"水果")，再筛选具体相关物体(如距离最近的杯子)
- 执行阶段：规划路径并安全递送相关物品
实验验证
在模拟会议早餐场景的实验中：
- 当检测到人类拿取罐装咖啡时，机器人准确递送牛奶和搅拌棒(96%准确率)
- 识别两人关于咖啡的对话后，自动提供咖啡和奶精
- 人类目标预测准确率达90%，碰撞次数减少60%以上
技术优势
该系统灵感来源于人类大脑的网状激活系统(RAS)的筛选机制：
- AI工具包持续后台运行，模拟潜意识过滤
- 显著降低机器人对人工确认的依赖
- 为智能制造和仓储场景提供安全高效的人机协作方案
研究团队计划将该系统扩展至更复杂的家庭和工业场景，如根据用户活动自动提供相应工具(螺丝刀、洗衣球等)。相关论文将在IEEE国际机器人与自动化会议(ICRA)发表。
技术开发获得某国际科研中心支持