人形机器人的人工体感系统ROS包设计与实现

SoftwareX 11（2020）100501原始软件出版物ASS 4 HR-一个用于人形机器人的人工体感系统ROS包Umberto ManiscalcoP.，Antonio Messina，Pietro StornioloIstituto di Calcolo e Reti ad Alte Prestazioni-C.N.R.Via Ugo La Malfa，153，巴勒莫，意大利ar t i cl e i nf o文章历史记录：收到2019年收到修订版，2019年8月26日接受，2020年关键词：机器人软测量体感系统Roboception类人机器人a b st ra ctASS4HR是一个人形机器人的人工体感系统的设计和ROS（机器人操作系统）实现。设计灵感来自生物模型，并已适应机器人的特点。该实现基于使用软传感器范例ASS4HR允许机器人体验我们称之为“roboceptions”的感觉，利用它配备的基本传感器的测量。通过这种方式，机器人能够意识到自己的身体状况，并能够调整自己的行为。对于构成人工体感系统的每个“机器人感知”，都实现了上升路径和下降路径。因此，ASS4HR允许您体验，调节或抑制“机器人感受”这样，每个机器人都可以有自己的性格。©2020由Elsevier B.V.发布这是一个在CC BY-NC-ND许可下的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）中找到。代码元数据当前代码版本V1.0用于此代码版本的代码/存储库的永久链接https://github.com/ElsevierSoftwareX/SOFTX_2019_51法律代码许可证Apache许可证2.0使用GIT的代码版本控制系统使用Python的软件代码语言、工具和服务编译要求、操作环境依赖性如果可用，链接到开发人员文档/手册https://github.com/crss-lab/ASS4HR/blob/master/Manual.pdf问题支持电子邮件crssgit@icar.cnr.it1. 动机和意义在生物体中，躯体感觉系统[1，2]负责身体感觉，如疼痛、对热或冷的敏感性、感知身体在空间中的位置的能力（前感觉）等。这些感觉在拯救身体免受伤害或事故中起着核心作用，通常在某种程度上指导此外，躯体感觉系统，以及其他感官，如视觉和听觉，使我们能够感知环境。例如，触觉是帮助我们发现环境的主要感觉之一，而皮肤是最延伸的感觉器官。当然还有*通讯作者。电子邮件地址：umbertomaniscalco@icar.cnr.it（美国）。Maniscalco），antoniomessina@icar.cnr.it（A.Messina），pietrostorniolo@icar.cnr.it（P. Storniolo）。https://doi.org/10.1016/j.softx.2020.100501情绪也会影响我们的行为，决定我们与世界的关系。基于所有这些原因，我们认为人工体感系统是有意识机器人的基本组成部分开发的软件是基于生物启发模型。我们已经研究了人类的体感系统[2]，以建立一个有效的机器人并行。我们要强调的是，我们的目标不是精确地复制人类的躯体感觉系统。例如，在这种逻辑中，我们故意将情感、感觉和知觉混合在一起，用“机器人知觉”这一类别来代表它们，完全意识到它们在人类身上是不同的然而，与人类的体感系统一样，ASS4HR由受体（机器人的传感器），纤维（ROS [3]主题）和体感皮层（由软传感器实现的模型）组成。一般来说，机器人2352-7110/©2020由Elsevier B. V.发布。这是CC BY-NC-ND许可证下的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。可在ScienceDirect上获得目录列表SoftwareX期刊主页：www.elsevier.com/locate/softx2联合 Maniscalco，A. Messina和P. Storniolo / SoftwareX 11（2020）100501刺激。如果这些刺激超过了机器人感知触发的特定阈值[2]，则使用适合每个机器人感知的模型来处理它们，并确定机器人所经历的感觉每个机器人以不同的方式实验相同的roboception，这取决于通过XML文件定义的角色（参见第3节）。此外，人工模型实现了从受体到皮层的上行路径和调节或抑制刺激的下行路径。现代机器人，甚至是消费类机器人，都配备了许多传感器，用于测量多个变量，如电机电流或温度、电池状况、激光或声纳获取的距离、碰撞、触摸等。ASS4HR通过生物灵感模型将所有这些测量数据组织成“机器人感知”，从而使所有这些测量数据变得有用。一个认知架构，或者仅仅是一个规划者，可以极大地帮助-这与使用“机器人感知”是相适应的，因为与来自传感器的原始数据相比，它们是具有高语义内容的结构化信息，因为低级数据被转换为有意义的信息。事实上，ASS4HR提供属于诸如疼痛、愉悦、疲劳等类别的信息，而不是诸如电流、温度、电池电量和温度等类别的信息。 等等此 外 ， 由 于 下 行 路 径 的 实 现 ， 可 以 通 过 调 制 或 抑 制 其“roboceptions”来决定每个机器人的角色。无论如何，这个软件处理复制单一的体感功能，而不定义机器人例如，通过使用基于唤醒和效价的Russel [4]的环形模型，所有并发机器人感知的组成必须由更高层次的认知架构管理，这可能也会考虑其他输入因此，ASS4HR允许每个机器人尝试“roboceptions”并了解其内部状态。在这种情况下，我们的意义每个机器人可以有不同的字符和不同的反应相比，另一个机器人受到相同的刺激。ASS4HR已被广泛用于许多科学工作，如下面引用的。特别是，该软件形成了高级认知模型的基础，如众所周知的PSI模型[5]，其中感知是模型的主要输入。在[6，7]和[8]中，示出了如何使用ASS4HR来带出机器人内部感知能力以及人工体感系统如何对机器人任务的执行产生影响。在[9]和[10]，显示了ASS 4 HR如何让我们产生两种不同类型的疼痛（由温度和电流引起），以及如何通过人工体感系统的下行路径实现疼痛-愉悦补偿机制。在[11]中，除了强调软件的可扩展性之外，还展示了如何利用机器人前面的受试者的几何距离来产生焦虑感。在这种情况下，如果机器人前面的人被识别为朋友、伙伴、对手等，则下行路径也可以调节或抑制焦虑。软件的使用与至少一个机器人用户可以使用ASS4HR，通过配置一个XML文件来设置机器人的特性，然后根据自己的目的调出自己想要的软件不断提供的具有高度语义内容的信息，使机器人从体感的角度意识到发生在他身上的事情，并有助于定义其行为。在文献中，没有类似于ASS4HR的软件，术语[12]和[13]。尽管如此，在机器人技术中使用体感方面的想法在[14]中，使用具有人工压力敏感皮肤的众所周知的人形机器人iCub来获得与所发现的类似的整个皮肤表面的表示在灵长类动物的初级躯体感觉皮层中。在[15]中，本体感觉方面用于驱动直立轮腿服务机器人。最相似的方法在[16]中讨论，其中每个腿关节的局部电流消耗和角位置2. 软件描述ASS4HR是一个基于ROS的软件。ROS [3]是一个用于机器人软件开发的机器人中间件。它是一个独立于语言和平台的框架，允许低级别的设备控制，进程之间的消息传递和包管理。ASS4HR具有基于ROS的软件项目的典型结构。它是一个Python脚本包，用于实现构成软件架构的节点。ROS节点是执行计算的进程节点被组合成一个图，并通过使用流主题、RPC服务和参数服务器进行通信。在ASS4HR的情况下，只有主题用于生成和交换信息。2.1. 软件构架ASS4HR的软件架构源自与人类体感系统结构的生物学类比。图图1示出了用于获得单个体感功能（“机器感知”）的软传感器的一般方案。从机器人传感器测量开始，并通过使用特定的生物启发模型，由图中的齿轮表示。1，获得每个“roboception”（上升路径）。“机械感受”可以被调节或完全抑制（下行路径）。这种一般模式在图2所示的ROS架构中找到了实现，其中出于空间原因，仅描绘了一些刺激和“机器人感受”。然而，架构结构并不依赖于刺激的数量和ROS节点，由图1左侧的红色方框表示。2、复制受体的功能。图中中心的青色块所描绘的ROS主题。2扮演角色的纤维。名为Roboception的ROS节点作为体感皮层工作，并产生“roboception”。在图2的情况下，选择了名为naogrey的机器人，并且考虑到用力、焦虑、用力以及由局部电流引起的肩部和肘部疼痛来2.2. 软件功能该软件的主要功能是：从机器人的传感器自动和透明地获得具有高语义内容的信息，例如修改“robocep”曲线的陡度的可能性这样，可以获得尽管受到相同刺激但行为不同的机器人;也在运行时修改机器人的角色，重新调制为机器人选择的角色;····联合 Maniscalco，A. Messina和P. Storniolo / SoftwareX 11（2020）1005013====Fig. 1. 提出了一种用于获取单一体感功能的软测量的一般方案。软件的极端可扩展性。事实上，新的3. 说明性实例让我们从一个焦虑的“机器人知觉”的例证开始图4展示了两个Nao机器人，它们由两个不同的字符区分，如XML文件的两个相关片段所示。这个例子展示了该软件最重要的功能之一：通过XML文件定义字符非常简单。下面的XML代码报告了Nao Gray的机器人感知焦虑的定义。 在这种情况下，mod属性被设置为1，这表明该机器人对焦虑具有最大的敏感性。属性inibh也被设置为1，这意味着这个roboception被启用。 这两个参数在功能上是容易识别的，也在图1的一般方案中。1.一、<？xmlversion=“1. 0“？ >相反，观察Nao Red XML代码，除了机器人和角色名称之外，唯一的区别是mod参数设置为0.5。该值使平均（默认）机器人焦虑敏感。概括一下，Nao Grey是一个情绪化的机器人：事实上，它的角色是<“情绪化的”（角色名称=“情绪化的”>），刺激的调制设置为1.0（参见属性mod“1”）。0”），并且通过将抑制值设置为1.0（请参见属性inibh“1. 0”）。Nao Red是一个默认的机器人：事实上，它的角色是<'' default ''（角色名称=''default”>），刺激的调制设置为0.5（参见属性mod '' 0。5”），并且通过将抑制值设置为1.0来启用机器人感知焦虑（参见属性inibh“1。0”）。在这种情况下，与物理感受器相对应的低级传感器信号（距离）由软传感器读取为社交距离。在机器人的情况下，我们承认三个区域并设置它们相应的距离。社交区（120厘米以上）、个人区（120厘米至80厘米）和亲密区（80厘米以下）。利用RC（Resistor-Capacitor）电路的充放电模型，实现了对这种自感知的估计，再现了其指数趋势和饱和特性焦虑机器感知是根据图1的方程计算的。3.第三章。该过程使用两个不同的时间常数τ1和τ2（τ1> τ2）来区分不同区域中受试者的存在图的左侧。图3示出了与人在三个区域中的移动相关联的六种可能的状态变化。例如，当一个人从社交区域进入个人区域时，就会达到状态1图中右侧3报告了描述每个状态的焦虑机器感知趋势的四个方程。在状态1和4与焦虑的缓慢（τ1）增长有关。在状态3，焦虑的快速增长（τ2）图二. 为特定机器人和角色生成的ROS节点和主题的示例。它也代表了ASS4HR软件体系结构的一个实例。（关于此图例中颜色的参考解释，请读者参考本文的网络版本·4联合 Maniscalco，A. Messina和P. Storniolo / SoftwareX 11（2020）100501图三. 左边显示了六种 可能的状态变化。右侧报告了描述焦虑趋势的四个方程图四、 两个 Nao机器人由两个 不同的 字符区分。图五. 红线表示Nao Red，黑线表示Nao Grey，显示了焦虑“机器感知”在不同情况下的趋势。(For参考文献的解释要在此图图例中着色，请参考本文的网络版本状态2和5导致焦虑的快速（τ2）降低，最后状态6与焦虑的缓慢（τ6）降低相关联补充材料中给出的视频是关于视频会议的，在视频会议中，它展示了人形机器人软件的人工体感系统如何逐步工作。这个例子涉及焦虑机器人感知。图5示出了在不同情况下焦虑“机器感知”的趋势在图A的区域中。5、一个大机器人（在这种情况下，人类的规则）正在接近两个机器人的个人区域，距离不到120厘米，焦虑的“机器感知”开始慢慢增长。当大机器人侵入亲密区域，并且与机器人的距离小于80厘米时，焦虑“ 机 器 感 知 ” 开 始 快 速 增 长 ， 如 图B 所 示 。 五、 当在图的C部分中时 ， 5大当机器人离开时，两个机器人测量的距离超过120厘米的阈值，焦虑“机器感知”下降。在图5的D区部分，大型机器人直接侵入亲密区，距离低于80 cm，焦虑“机器感知”增长迅速。在所有情况下，NaoRed的焦虑程度都低于Nao Grey。我们只详细描述了焦虑的机器人感知，但我们试图解释作为其他机器人感知基础的所有概念。4. 影响我们认为这个软件可以回答认知机器人领域的新研究问题，因为它提升了机器人感官测量的语义内容。联合 Maniscalco，A. Messina和P. Storniolo / SoftwareX 11（2020）1005015通过提供可以被认知架构直接利用的信息来帮助机器人此外，至少在我们实验室的情况下，ASS4HR已经改变了该领域的研究实践，因为在初始实验和运行时快速重新配置机器人特性的能力使研究人员能够非常快速地进行复杂的测试。所有这一切使我们能够研究具有不同特征的机器人如何修改其行为以执行基于“机器人感知”的任务。虽然该软件版本是为软银NAO设计的，但ROS的使用可以轻松地应用 于其他类型的机器 人，特别 是来自同一制造商 的Pepper。这意味着对科学界的影响可能非常广泛。这个软件可以构成一个胚胎，这是一家分拆出来的公司，其核心业务可能是为人形机器人设计特定的“机器人概念”和特定的角色。事实上，ASS4HR的架构，如2.2所述，允许以一种非常简单的方式添加新的和特定的“机器感知”，而无需对软件的总体设计进行任何修改。5. 结论本文介绍了一个仿人机器人的人工体感系统ASS4HR的实现在本文中，我们试图证明该软件具有正确的特性为在认知机器人领域工作的研究人员建立一个共同的基础。第2.2节中列出的功能显示了如何从机器人传感器的粗略测量ASS4HR能够产生具有高语义内容的信息。此外，ASS4HR能够轻松地将新的“roboceptions "添加在不久的将来，我们计划增加“robo- ceptions”的数量，竞合利益作者声明，他们没有已知的竞争性财务利益或个人关系，可能会影响本文报告的工作附录A. 补充数据与本文相关的补充材料可以在https://doi.org/10.1016/j.softx.2020.100501上找到。引用[1]纳尔逊河身体感觉系统：解读大脑自身的身体形象。神经科学前沿，卷。1，CRC Press; 2001.[2]Albe-Fessard D，et al. Somatosensory system.感觉生理学手册，第2卷，Springer;1973年。[3]ROS机器人操作系统。http://www.ros.org/网站。[4]Russell JA.一种复杂的情感模式。J Personal Soc Psychol 1980;39（6）：1161-78. http://dx.doi.org/10.1037/h0077714网站。[5] 巴 赫 J 合 成 智 能 原 理 PSI ： 动 机 认 知 的 架 构 Oxford series on cognitivemodels and architectures（Book 4），1st ed. vol. 1，Oxford UniversityPress;2009，http://dx.doi.org/10.1093/acprof：oso/9780195370676.001.0001，[6 April 2009].[6]杨志华，李志华. 软体感系统对机器人任务执行的影响。在：机器人计算，IEEE国际会议。IEEE; 2017，p.14比21[7][10] Augello A，Città G，Gentile M，Infantino I，La Guardia D，ManfréA，et al. 通过与类人机器人交互来改进空间推理。智能交互式多媒体系统和服务国际会议。Cham：Springer; 2017，p.151比60[8]杨 志 华 ， 李 志 华 . 机 器 人 通 过 软 体 感 系 统 的 内 部 感 知 能 力 。 Int JSemantComput2018;12（01）：59-87.[9]因凡蒂诺岛马尼斯卡尔科仿人机器人的人工疼痛模型。智能交互式多媒体系统和服务国际会议。Cham：Springer; 2017，p.161比70[10]Galipó A，Infantino I，Maniscalco U，Gaglio S.社交机器人中的人工愉悦与疼 痛 对 抗 机 制 。 智 能 交 互 式 多 媒 体 系 统 和 服 务 国 际 会 议 。 Springer ，Cham;2017，p. 181比9[11]因凡蒂诺岛马尼斯卡尔科软传感器来测量人形机器人的躯体感觉和情绪。应用科学数学进展丛书，第98卷，新加坡：世界科学出版有限公司; 2018年，http://dx.doi.org/10.1142/11100，https://www.worldscientific。com/doi/abs/10.1142/11100。[12]杨志华，李志华.基于机器人概念的语言。在：语言和机器人研讨会2018年，https：//sites.google.com/site/langrobo2018/accepted-papers/Grounding网站。[13]杨志华，李志华.社会机器人的认知架构。2018年IEEE第四届国际社会和工业研究与技术论坛。2018年，http://dx.doi.org/10.1109/RTSI.2018.8548520。[14] Hoffmann M，Straka Z，Farka I，Vavrecka M，Metta G. Robotic ho-munculus：由初级躯体感觉皮层激励的人形机器人学习人工皮肤表示。IEEETransCognDevSyst2018;10（2）：163-76.http://dx.doi.org/10.1109/TCDS.2017.2649225网站。[15] 罗荣志，萧明，刘成.直立轮腿式服务机器人下楼梯运动与体感控制2014年IEEE机器人与自动化国际会议2014，第6356-61页。http://dx.doi的网站。org/10.1109/ICRA.2014.6907797。[16]放大图片作者：J.基于有机计算原理和体感反馈的六足机器人打滑和沙地检测。2012年IEEE机器人和传感器环境国际研讨会论文集。2012年，第43-8页。http://dx.doi.org/10的网站。1109/ROSE.2012.6402620。