​作者：DIGITIMES陈明阳

2018年麻省理工学院(MIT)的研究团队与汽车制造商BMW合作，研究能让人类与机器人在组装汽车时近距离安全协同操作的方法。机器人在工作站间输送零件时，人类员工偶尔会穿梭期间到邻近的工作站操作。测试发现机器人暂停等候人类员工经过时会因太过小心而经常就地定住不动，人类员工安全通过后也无法立即恢复操作。

累积这类非必要暂停将明显影响制造环境的效率。MIT研究团队发现机器人移动预测(motion predicting)软件的轨迹校正算法的时间校正设计不良，虽能预测人类员工移动的方向，但无法估算其在预测路径各点停留的时间，因此机器人就无法准确预估人类员工停留，然后原路折返并再度与机器人的路径交会所需的时间。

2019年MIT研究团队开发新的算法实时精确校正部分轨迹，可让移动预测软件准确预测人类员工移动的时机，使机器人在人类员工通过后能立即继续操作，并在人类员工再次经过时置身不会妨碍其通行的安全距离。研究成果将在2019年6月于德国举行的“机器人学：科学与系统”研讨会发表。

MIT研究团队的移动预测算法让机器人系统透过观察反复出现的模式学习理解与预测人类行为，为机器人能正确识别及回应人类移动与行为模式的关键工具。此外，还能协助机器人理解、监测停止(stop)与重叠(overlap)这两个人类移动的核心部分，同时也是能让机器人更加了解人类的技巧之一。

MIT研究团队的算法还可作为动作识别(action recognition)与姿势侦测(gesture detection)等人类与机器人互动技术的前置处理工具，促进人类与机器人协同操作的效率与安全。MIT这项研究的经费部分是由美国太空总署太空科技研究协会与美国国家科学基金会提供资助。

MIT研究团队设计的部分轨迹算法将人员移动的实时轨迹片段，跟先前收集的参考轨迹数据库进行距离与时间的校正，能正确预测人员在路径上的停止与重叠移动，由于将时间因素列入考量，因此能分辨人员在相同路径上的移动是在去程或回程，如果只是开始移动不久就不可能已在回程。

MIT研究团队的算法在预测人员移动轨迹的表现，优于目前常用的2个部分轨迹校正算法，若再结合研究团队开发的移动预测软件，将可让机器人更准确预测人类移动的时机，则当工厂生产现场工作人员即将与机器人交会时，机器人会再等候人员通过后立即平顺的继续操作。

现有的算法通常以点(dot)的形式代表1个人在不同时间点的位置，再根据这些点之间的相对距离绘制出对应的轨迹，并跟给定的情境下各种常见轨迹的数据库进行比对。但在某些常见的情况下可能无法单靠距离来预测移动轨迹，例如员工操作时暂停移动片刻，则期间代表其位置的每一个点都会集中在相同位置而难以仅依点与点之间距离进行校正。

现有的算法在处理重叠的轨迹上也有类似问题，当人员在相同的路径上反覆来回移动，现有的算法无法分辨人员在相同路径上是在往去程或回程移动。两个点可能在距离上相近，但若考量时间因素则可能人员的位置其实离参考点相当远。

音乐与语音处理的算法专为校正2个完整时间序列(time series)或2组相关数据而设计，研究人员曾运用类似的校正算法来同步实时(real-time)与先前纪录的人员移动量测结果，以预测5秒后该人员的位置。不过人类的动作可能趋于凌乱或高度变动，即使重复性的动作也可能每次都有细微差异，跟音乐或语音差异极大。