莱斯大学计算机科学助理教授KaiyuHang荣获NSF职业奖

莱斯大学计算机科学助理教授Kaiyu Hang 因开发能够在高度不确定的情况下操纵不熟悉的物体的机器人而获得国家科学基金会职业奖。

这些补助金每年都会颁发给精选的约 500 名早期职业教师，他们涉及各个学科，从事开创性研究，并致力于通过外展和教育发展自己的领域。

Hang 的项目旨在开发通用机器人，能够在现实环境中处理复杂的物理交互，而不需要传感器的完美输入或大量指令。

“我的研究重点是机器人操纵，”杭说。“当我们谈论机器人操纵时，我们指的是物理上使用机器人来改变世界的配置。

“ 假设你想从一个非常杂乱的空间中拿起一个物体(例如，从书架上拿起一本书)，然后将其稳定地放置在其他地方，这是我们感兴趣的操作任务之一，”杭说。“我们通常对身体互动感兴趣。这就是为什么我的实验室被称为机器人和物理交互实验室。”

让机器人实时变得更加灵巧——即更好地操纵不熟悉的物体以及在复杂的现实世界情况和环境中导航——需要提高它们的计算能力，以执行针对特定环境和自我纠正的微调、细粒度的动作。

Hang 说：“想象一下，有一个机器人可以在家中或医院环境中清洁表面，并且能够根据遇到的物体或区域的类型来决定应用何种清洁动作或力量。” “我希望开发出能够在不断变化的新的或不熟悉的环境中执行日常任务的机器人，而不是为特定的任务设计特定的机器人——这在工业环境中运行良好，而你实际上可以控制工作环境。”

执行物理任务的过程可以分为不同的顺序。在构建机器人与世界交互的背景下，此类序列传统上遵循以下模式：从感知开始，然后是规划，最后是行动。然而，杭认为行动应该是第一位的，并作为收集感知数据的机会，这反过来又可以为开放式的、不断发展的行动计划提供信息。

“这实际上就是我们参与世界的方式——我们在实践中学习，在实践中提高，”杭说。“如果你想画一个物体，只看一次是不够的。相反，你用画笔在画布上画出第一笔，然后看一眼物体，然后再画另一笔，依此类推，同时根据你每时每刻所看到的内容继续进行和调整绘画。我的项目就是利用对具体行动的理解来重新构建我们构建机器人与世界交互的方式。”

Hang 希望设计出能够以开放式方式参与给定任务的机器人，使它们能够收集有关它们正在行动的环境的信息以及采取行动的环境信息，以提高它们的性能。

“你可以把这想象成将一些液体倒入一个瓶颈很窄的瓶子里，”杭说。“即使你有稳定的手来握住两个容器并且液体的流动方向正确，但由于液体的不确定性，你可能最终会溢出一些。但是，如果使用漏斗，则可以倒液体而不必担心溢出。我想做的是重新配置机器人操作任务，以最大限度地减少错误可能性的方式将行动集中到预期目标。”

Hang 的项目处于管理机器人操作的两种一般策略的交叉点。

“目前，机器人操作有两种操作框架：一种是基于建模或参数的方法，其中机器人采取的每个动作都预先详细规划出来;另一种是更新的、基于数据或深度学习的方法，该方法依赖于大量的数据或深度学习。数据集与传感器的输入相结合，引导机器人采取行动，”Hang 说。“我想减少这两种方法对机器人在现实世界中的行为所做的假设。

“例如，基于模型的方法假设它可以提出参数来完全规划出给定的交互，但世界是一个事物不断变化并产生不确定性的地方，你需要一个能够适应这些变化的机器人。每当您设置的参数与现实条件不符时，就会发生变化，而不是发生故障。

“数据驱动或深度学习方法是较新的方法，只要满足两个主要条件，它就可以很好地工作：首先，你需要大量数据来训练你的机器人，其次，你必须确保您的机器人在您的数据覆盖的场景中工作。如果这两个条件之一没有完全满足，那么机器人就不能很好地工作。

“对于任何一个框架，你都必须精确定义每个任务的出发空间和目的地，这使得整个系统容易受到不确定性的影响。对环境的任何不正确或不准确的估计，或者传感器拾取的数据中的任何轻微故障或噪声都可能使整个系统变得不可靠。那么，我们的想法是为问题空间提供更广泛的入口——因此有漏斗类比。”

Hang 表示，计算能力的最新进步以及采用合规设计的机器人供应量的增加 使他能够实现自己的愿景。

“现在是开展这个项目的正确时机，”杭说。“如果我们想在五年或十年前做到这一点，我们就做不到。”

与所有职业奖一样，Hang 的项目包括教育和推广部分。

“这种机器人操纵方法实际上是非常新的，我希望莱斯大学的学生能够学习和研究该学科前沿正在发生的事情，”杭说。“我将计划开发新课程，不仅可以教授学生理论，还可以提供机器人操作技能。我还将继续为我实验室的学生提供研究机会。”

杭将利用他作为莱斯机器人俱乐部教师顾问的角色，为来自不同教育背景的学生提供学习和研究机会。他还计划与来自服务欠缺社区的大学预科学生合作。最后，他打算创建一系列机器人操作动手教程和一组实践练习，可以作为想要从事机器人操作项目但无法接触实际机器人的学生的资源。

“如果你无法使用机器人，你可以使用模拟器来开发项目，但它们很难使用，”杭说。“我受到了机器学习社区教育工作者开发的实用、可实践的项目指南的启发，但到目前为止，我还没有看到为想要学习机器人操作的学生提供的类似资源。

“我计划将这些教程开发并编译成一本书，为学生提供一些很好的实践项目示例，即使他们没有机器人，他们也可以实施，”Hang 说。