UMR

UMR (Unified Motion Retargeting) löser ett grundproblem när robotar ska lära sig av människor: hur en människas rörelse ska översättas till en robot med annan kroppsform, andra leder och andra rörelsegränser. Vanliga metoder kräver att någon för hand bestämmer vilka punkter eller kroppsdelar som motsvarar varandra, vilket blir svårt att skala till många robotar och rörelsekällor.

UMR behandlar i stället kroppens yta som ett moln av punkter, både för människan och för roboten, och lär sig vilka punkter som hör ihop. Den täta kopplingen gör att poser kan matchas på ytnivå och att kontakter med föremål, till exempel när en person skjuter en låda eller håller ett tennisracket, kan föras över direkt till roboten.

Enligt forskarna fungerar samma metod för olika rörelsekällor och robotkroppar, från gång till interaktion med föremål, med högre trohet och rimlighet än tidigare metoder. På projektsidan finns UMR Studio, en webbapp där man kan ladda in en egen robotmodell, ställa den i T-pose och föra över rörelser utan robotspecifika inställningar. Koden ligger på GitHub under MIT-licens.

Arbetet kommer från HKUST (Guangzhou) och Noitom Robotics tillsammans med Hanyang University, HKUST och HKU.