引言：模仿机器人能否很快代替人类从事园艺领域的一些重复性和手动性工作？

本项目将探索使用新的人机交互的软机器人系统及其在多种观赏植物半自动繁殖中的应用。它将研究非专业用户（即没有技术专长的用户）的使用方式，机器人通过编程和控制后精通工厂加工。可以在工作中使用机器人，以减轻工人所遇到的重复性，劳动密集型任务的负担。

下图展示了使用瑞森可的sawyer协作机械臂进行园艺分拣任务。在这里，必须从植物托盘中取出不健康的植物。这样做的关键是能够从用户提供的演示轨迹（青色）进行概括，以确定从先前未见过的位置（红色）采摘植物的合适轨迹。

为园艺企业招募和保留劳动力的困难形势比以往任何时候都更加严峻。长期以来，将更高水平的机器人技术和自动化视为解决这一挑战的潜在方法之一，但这只有在我们能够克服行业提出的一些独特技术挑战的情况下才能实现。

诸如托盘灌装机和播种机之类的某些自动化形式已经很熟悉，无人驾驶拖拉机不只是梦想。在处理农作物本身时，机器人操纵的进度要慢得多。

机器人在具有高度确定性的环境中工作得最好–确切地知道在哪里可以找到机器部件或它可以在多大程度上压在表面上–但是在植物上很少那么清晰。

新一代的所谓“协作”机器人可以为这类园艺操作提供一些解决方案。协作机器人的设计本质上是安全的，可以与人一起工作，并且其设计目的是使没有编程背景或任何专业机器人知识的人可以快速，轻松地将他们设置为承担简单的任务，并在以后进行重新配置以执行其他工作。

通过“模仿学习”，种植者将执行他们想要的自动化任务，而机器人通过其视觉系统并通过连接到种植者佩戴的“智能手套”中嵌入的传感器来监视他们的行为。此过程分为三个阶段，从用户执行任务时收集传感器数据开始-这包括描述运动，相互作用力，视觉记录，用户正在处理的对象的位置等的数据。这为机器人提供了大量数据，但在此阶段，它实际上只是一串1和0。为了从任务中获得有用的信息，我们接下来有一个“推理阶段”，其中机器人的机器学习算法从原始数据中提取任务信息。这是一种使机器人“理解”用户从演示中获得的意图的方法，因此当遇到特殊情况时，机器人将知道该怎么办–例如，当锅放在其前面时，它应该选择并将其转移到托盘中。最后，在确定了针对特定情况采取的适当措施后，系统必须将其转化为行动。系统必须快速，安全且准确地移动才能有效执行所学习的操作。用于协作机器人的现代控制器可以使刚性系统以柔顺或“柔和”的方式运行，从而大大降低了与周围环境发生意外碰撞时所涉及的风险。但是，系统的整体性能确实取决于人员提供给它的数据的质量。虽然模仿学习为如何将人的技能转移到机器人上提供了一种有前途的机制，但研究的一个重要问题是，诸如种植者等没有机器人或编程专业知识的人是否能够成功地向机器人进行演示。在收集阶段执行任务时，您是在“教导”机器人，不仅仅是在一种情况下，而且在多种情况下，都展示了机器人如何完成任务。例如，如果您想演示如何拿起一个锅，您将向机器人展示如何从各个位置拿起一个锅，从而使它能够处理锅可能不完全放在锅前面的情况。每次都在同一个地方。如果这些学习系统将直接由种植者使用，我们需要能够指导人们采用良好的教学习惯。最初的研究是与J＆A Growers的志愿者进行的，目的是更好地了解那些不是机器人专家的人如何与机器人系统进行交互。同时还一直在使用可商用的工业协作机器人开发我们的原型系统，并在商用苗圃中进行了试验。”

参考文献：

1.Sena A, Zhao Y, Howard M J. Teaching Human Teachers to Teach Robot Learners[C]//ICRA. 2018: 1-7.

2.Sena A, Michael B, Howard M. Improving Task-Parameterised Movement Learning Generalisation with Frame-Weighted Trajectory Generation[J]. arXiv preprint arXiv:1903.01240, 2019.PbDlib开源框架：PbDlib是通过演示（从演示中学习）进行机器人编程的源代码集合。它包括统计学习，动力学系统，微分几何和最优控制的十字路口上的各种功能。