人类生成的数据在机器人学习中扮演着越来越重要的角色ABB Robotics和PSYONIC最近的合作展示了人类生成的数据如何帮助推进机器人学习。作为该工作流程的一部分MANUS手套被用于捕捉自然的手部运动这些运动有助于为机器人训练提供人类演示数据。Haply力反馈设备作为工作流程的另一部分支持手腕追踪和力反馈。对于开发模仿学习和远程操作系统的机器人团队来说收集人类演示变得越来越常见。捕捉的人体运动的保真度会影响所得训练数据的可用性。MANUS数据手套使研究人员和工程师能够捕捉自然的手部运动并将它们集成到远程操作、运动重定向和机器人学习工作流中。将人手运动转化为训练数据人类演示已经成为模仿学习和相关方法的重要数据来源。无论演示是直接在机器人上收集还是通过远程操作收集捕获的手部动作构成了最终数据集的基础。捕捉自然的手指运动保留了人们在实际任务中抓握和操纵物体的方式。这些演示可以被重用来训练、验证和细化跨项目的操作策略。随着越来越多的组织投资于人形机器人和物理人工智能收集可重复的人类演示数据正成为越来越普遍的做法。MANUS如何支持人工演示工作流程MANUS手套使机器人团队能够捕捉自然的手部运动用于远程操作、运动重定向和机器人学习。除了实时控制机械手之外录制的演示还可以集成到现有的数据收集工作流程中用于未来的培训和评估。研究人员可以捕捉专家演示将人类手部运动重定向到不同的机器人平台并建立可重复使用的数据集以支持灵巧操作研究、人形开发和具体化的人工智能应用。由于MANUS集成了广泛的机器人手和软件环境团队可以将手部动作捕捉纳入现有的工作流程而无需改变他们已建立的开发渠道。为灵巧机器人学习奠定基础ABB机器人公司和PSYONIC之间的合作凸显了人类生成的数据在推进机器人学习方面日益增长的作用。随着机器人团队继续开发更有能力的操纵系统收集一致的高质量人类演示将仍然是训练机器人完成现实任务的重要部分。