1. 首頁 > 科技 > >

機器人|微型傳感器、人工智能和高帶寬通信具有明顯先進的機器能力

傳感器機器人

機器人|微型傳感器、人工智能和高帶寬通信具有明顯先進的機器能力

文章圖片

【機器人|微型傳感器、人工智能和高帶寬通信具有明顯先進的機器能力】機器人|微型傳感器、人工智能和高帶寬通信具有明顯先進的機器能力

文章圖片

機器人|微型傳感器、人工智能和高帶寬通信具有明顯先進的機器能力

文章圖片


航空前沿是目前采用的基于改進的天氣建模和與地面和附近飛機的數字通信的指導 ， 以及自適應推力和翼型控制 。 現有技術可以將第二名飛行員從商用飛機上移除 ， 使用地面基地監控安全通信來取代副駕駛；乘客接受度是一個不同且更具挑戰性的問題 。 人為因素研究需要包括人在回路模擬 ， 特別是在非標稱情況下 ， 以及與語音通信相比對數字通信的評估 。


根據研究人員的報告 ， 麻省理工學院的基斯梅特是一個具有“社交智能”的富有表現力的機器人頭部 。 基斯梅特通過對另一個人的面部和聲音進行計算機處理 ， 做出適當的手勢作為回報 。 人們可以爭論這項技術是否是真正的社會智能 ， 但它肯定會提出有趣的哲學問題 。 有證據表明 ， 此類設備可有效引發與幼兒的“正?！鄙缃换?。 然而 ， 人們可能想知道這些設備是否會抑制健康的想象力而不是增強它 。

一些玩具和治療動物或即將上市的人物包括基于計算機的語音、語音識別和決策軟件 。 例如 ， 美泰公司開發了一種新的芭比娃娃 ， 它具有廣泛的語音和語言識別詞匯 ， 通過互聯網與公司服務器 。 該娃娃旨在與年輕女孩或男孩在他們感興趣的領域進行廣泛的對話 。 諾克斯和布雷澤爾提出了一個案例研究 ， 該案例研究將用于從人類反饋中學習的框架應用于交互式機器人 。

他們聲稱該應用程序首次展示了在機器人學習中從自由形式的人類生成的反饋中訓練多種行為的能力 ， 而無需任何進一步的指導或評估 。 讓醫院患者 ， 尤其是老年人在運動指導和送餐等功能方面信任機器人 ， 而不是被機器人疏遠 ， 是人為因素專業人士自然而然的研究需求 。 法索拉和馬塔里奇以及菲爾-賽弗和馬塔里奇的示范堪稱典范 。 然而 ， 克奈菲爾質疑人們是否應該完全信任機器人 。

在教育中使用機器人交互并不是一個新想法 。 例如 ， 帕特的LOGO語言使用機器人“海龜”作為兒童學習初級編程的一種手段 。 人教機器人和機器人教人都面臨人為因素的挑戰 。 以前的經驗表明 ， 理想情況下兩者同時發生 。 人為因素工具包的一個重要組成部分是任務分析 。 人為因素研究的另一條路線是在人類和自動化之間分配任務 。 著名的菲茨清單中列出了“人”和機器各自最擅長的事情 ， 這已經過時了 ， 還沒有得到明確的修訂 。 微型傳感器、人工智能和高帶寬通信具有明顯先進的機器能力 。

如果有人認為人體工程學是老式的人為因素 ， 可以考慮設計一個機器人 ， 讓老年人和殘疾人可以輕柔地上下床或上廁所 。 許多人類看護人現在從事這項工作 ， 并在此過程中傷害了他們的背部 。 這在時間、空間、力量、能量和成本方面的任務規劃和模擬挑戰 ， 可能要使用虛擬現實設想輔助工具 ， 還有人形通用機器人是否有意義的問題 。 經驗表明 ， 機器人的物理形態最好由任務環境決定 。

如何分析人機交互任務以預測最佳物理形態本身就是一個挑戰 。 人類可以通過移動機器人手給出幾何指令 ， 但指定如何移動、何時移動、避免什么等需要符號而非類比語言 。 基于計算機的語音理解的快速進步有望輕松指揮機器人 。 但意外后果的可能性很大 。  一個答案可能是人類主管使用實時虛擬現實模擬來觀察口頭命令將導致機器人做什么 ， 在向機器人發出“開始”信號之前 。 這種方法實際上將是預測器顯示的擴展 ， 它通過模型外推法不斷更新被控制為“向前看”的過程模型 。

相關經驗推薦