说到会给人穿衣服的机器人，这个PR2机器人是你首先想到的吗？
　　它由美国佐治亚理工学院的研究团队开发，可以利用力量感应帮助人们穿衣服；并借助神经网络技术，学习和提高自己的穿衣技巧。
　　最近，麻省理工学院的研究人员开发了一种新的算法，使机器人能够帮助人们灵活着装。
　　据报道，该算法可以为机器人找到有效的运动规划，保证人的安全，避免“机器人冻结”的问题。
　　要让机器人穿衣服，就必须克服这两个问题
　　让机器人给人类穿衣服听起来很容易，但要做到这一点，我们需要克服技术问题。
　　一个人帮朋友往杯子里倒咖啡很容易，但要学会这个看似简单的任务，机器人需要仔细观察和理解人类的行为。
　　由于机器人不像人类那样具有控制自身行为的意识和能力，因此需要对机器人的行为进行系统的规划和协调，以实现机器人与人类的安全交互。
　　如果我们能构建正确、合适的人体运动建模（包括人类如何运动、反应和回应），那么机器人就能与人顺利互动，但在很多情况下，完美的建模是不存在的。
　　例如，如果家用机器人使用一个简单的默认模型来教机器人如何帮助人们穿衣，这个模型将无法解释人类反应的巨大不确定性，这与每个人的个性和习惯有关。
　　比如，给蹒跚学步的孩子穿衣服有不同的方式，给呆板虚弱的老人或者容易疲劳的残疾人穿衣服也有不同的方式。
　　如果只按照默认模型进行轨迹规划，机器人可能会撞上人类。但是，如果我们在保证人类安全方面过于保守，机器人可能会认为附近的空间活动不安全，所以不会移动，进而出现“冷冻机器人”的问题。
　　模型预测控制算法保证了人的安全
　　机器人在人机交互中使用的安全方法包括预测和响应。预测方法允许机器人预测人类行为并规划无碰撞运动。反应法是使机器人能够实时检测到碰撞，并在发生碰撞时做出相应的反应，以减少与人接触所产生的力。
　　该研究论文的第一作者、博士沈力说：“开发算法来防止机器人伤害人体而不影响任务效率是一个关键挑战。”
　　研究人员首先重新定义了“安全性”。在以往的相关研究中，人机交互预测和响应方法中对人身安全的定义是：避免碰撞，减少接触产生的力。

　　通过结合这两个定义，研究人员在人类感知运动规划（HAMP）的背景下重新定义了“安全”:避免碰撞和碰撞发生时的安全影响。与以前的方法相比，许多方法依次集成了预测和响应方法。机器人首先使用运动规划器来寻找路径，然后使用兼容的控制器来执行它。但是，这两种方法分别优化自己的特定目标，而不是保持同一个目标。
　　针对这些情况，本研究的研究人员提出了一种安全规划器，它将预测和响应方法集成在一个框架内。
　　结合柯勒等学者的研究，研究人员还开发了模型预测控制算法。根据他们自己的定义，即使人类的动态模型是不确定的，这种算法也能保证人类的安全。
　　该团队的算法推理出人类建模中的不确定信息。他们不是让机器人只知道一个包含潜在反应的默认模型，而是让机器人学习更多可能的模型来更接近人类，并模仿人类如何理解他人。随着机器人收集的数据越来越多，它将减少不确定性，改善这些人类行为模型。
　　例如，假设人类对穿衣的反应有两种可能的模式。模式1表示穿衣时人上移，模式2表示穿衣时人下移。在团队算法的帮助下，机器人在规划运动时，不会选择一个模型，而是尽量保证两个模型都是安全的。无论人是向上还是向下移动，机器人发现的轨迹都能保证人的安全。
　　在确保安全的前提下成功地给人穿衣服
　　在实验中，机器人帮助人们穿上夹克，这证明了该算法是一个强大的工具，可以更准确、更高效地帮助行动不便的人。
　　除了关注人体安全外，团队未来的工作可能会集中在调查人类在机器人辅助穿衣任务中的主观感受。
　　卡内基梅隆大学机器人研究所助理教授扎克里埃里克森说：“这种多方位的方法结合了集合论、人类感知安全约束、人类运动预测和安全人机交互的反馈控制，可能应用于各种辅助机器人场景。最终目标是让机器人能够为残疾人提供更安全的帮助。
　　人机交互安全性仍有提升空间
　　从送餐机器人、扫地机器人、护理机器人、厨师机器人到本研究中的穿衣机器人，机器人的种类和功能在不断增加，使用场景也在不断增加，尤其是针对儿童和残疾人、老人。除了照顾家庭成员，机器人在未来也可能提供越来越多的帮助。
　　随着机器人数量和应用范围的扩大，人机交互更加紧密。到目前为止，人机交互的安全问题，就像这个穿衣机器人实验一样，只是在一个或者一些特定的场景中成功，其他场景还有待验证。人机交互的安全性还有很大的提升空间。