麻省理工学院的研究人员设计了一个拥有一两个技巧的机器人。机器人已经擅长某些事情，例如举起太重或太笨重而人们无法管理的物体。它们非常适合的另一个应用是精密组装手表等具有大量微小部件的物品——有些小到肉眼几乎看不到。

麻省理工学院计算机科学与人工智能实验室(CSAIL)交互式机器人小组的访问科学家TheodorosStouraitis解释说：“需要态势感知的任务要困难得多，涉及几乎瞬时适应环境变化的情况。”

“当机器人必须与人类互动并共同努力以安全成功地完成任务时，事情变得更加复杂，”麻省理工学院航空航天系博士生沉力补充道。

Li和Stouraitis以及本田欧洲研究所的MichaelGienger、爱丁堡大学的SethuVijayakumar教授和负责交互机器人小组的麻省理工学院的JulieA.Shah教授选择了一个问题，从字面上看，一大堆挑战：设计一个可以帮助人们穿衣服的机器人。

去年，Li和Shah以及麻省理工学院的另外两名研究人员完成了一个涉及机器人辅助无袖穿衣的项目。Li、Stouraitis、Gienger、Vijayakumar和Shah在发表于IEEERoboticsandAutomation杂志的一篇论文中描述了他们在新工作中取得的进展——机器人辅助穿着袖子衣服。

后一种情况的最大差异是由于“视觉遮挡”，李说。“机器人在整个穿衣过程中看不到人的手臂。”特别是，它不能总是看到肘部或确定其精确位置或方位。反过来，这会影响机器人将衣服(例如长袖衬衫)从手拉到肩膀时所必须施加的力。

为了解决视力障碍的问题，该团队开发了一种“状态估计算法”，使他们能够对在任何给定时刻肘部的位置以及手臂的倾斜方式做出合理精确的有根据的猜测——无论是伸直或弯曲肘部，向上、向下或侧向——即使它完全被衣服遮住。

在每个时间实例中，该算法将机器人对施加在布料上的力的测量作为输入，然后估计肘部的位置——不完全是，而是将其放置在一个包含所有可能位置的盒子或体积内。

反过来，这些知识会告诉机器人如何移动，Stouraitis说。“如果手臂是直的，那么机器人将沿着直线运动;如果手臂弯曲，机器人将不得不绕肘弯曲。”他补充说，获得可靠的图片很重要。“如果肘部估计错误，机器人可能会决定一个会产生过度且不安全的力的运动。”

该算法包括一个动态模型，可以预测手臂在未来将如何移动，并且每个预测都通过测量在特定时间施加在布料上的力来校正。虽然其他研究人员已经做出了此类状态估计预测，但这项新工作的不同之处在于，麻省理工学院的研究人员及其合作伙伴可以为不确定性设定明确的上限，并保证肘部将在规定的盒子内。

预测手臂运动和肘部位置的模型以及测量机器人施加的力的模型都包含机器学习技术。用于训练机器学习系统的数据是从穿着“Xsens”套装的人那里获得的，这些套装带有内置传感器，可以准确跟踪和记录身体运动。

机器人经过训练后，它能够推断出在将夹克穿在人类受试者身上时的肘部姿势，该受试者在手术过程中以各种方式移动手臂——有时是为了响应机器人拉动夹克，有时是参与他自己的随机动作。

这项工作严格专注于估计——尽可能准确地确定肘部的位置和手臂的姿势——但Shah的团队已经进入下一个阶段：开发一种能够不断调整其动作以响应身体变化的机器人。手臂和肘部方向。

未来，他们计划解决“个性化”问题——开发一种能够解释不同人移动方式的机器人。类似地，他们设想机器人具有足够的多功能性，可以处理各种不同的布料材料，每种材料对拉动的反应都可能有所不同。

尽管该小组的研究人员肯定对机器人辅助穿衣感兴趣，但他们认识到该技术具有更广泛用途的潜力。“我们并没有以任何方式专门化这种算法，使其仅适用于机器人穿衣，”李指出。

“我们的算法解决了一般的状态估计问题，因此可以适用于许多可能的应用。这一切的关键是有能力猜测或预测不可观察的状态。”例如，这样的算法可以引导机器人识别其人类伙伴的意图，因为它协同工作以有序的方式移动积木或设置餐桌。

在不久的将来，这是一个可以想象的场景：机器人可以摆好餐桌，甚至可以清理孩子留在餐厅地板上的积木，将它们整齐地堆放在房间的角落里。然后，它可以帮助你穿上晚礼服，让自己在饭前更有体面。

它甚至可以将盘子端到餐桌上，并为食客提供适当的部分。机器人不会做的一件事是在你和其他人上桌之前吃掉所有的食物。幸运的是，这是一个不在绘图板上的“应用程序”——就像应用程序而不是食欲一样。