麻省理工学院团队的成员已经提出了一个解决方案：一种能够实时准确地对齐部分轨迹的算法，允许运动预测器准确地预测人的运动时间。

去年，MIT与宝马的研究人员测试人类与机器人可以共同组装汽车零件的方式。

在工厂车间模拟环境中，该团队在轨道上安装了一个机器人，用于在工作站之间交付零件。与此同时，人类员工经常穿越这条路到附近的站点。如果一个人经过，机器人被编程为暂时停止工作。

但研究人员注意到，机器人经常会在一个人越过它的路径之前就停下了。如果这发生在真实的制造环境中，那么这种不必要的停顿可能会造成显著的低效率。

该团队将问题追溯到机器人运动预测软件使用的机器人轨迹对齐算法。虽然他们可以合理地预测一个人的前进方向，但由于时间不对齐，算法无法预测该人在路径上的任何一点花费了多长时间。

现在，将新算法应用于宝马工厂车间实验时，他们发现，当人们再次走过时，机器人只是简单地向前滚动并安全地离开了路径，而不是完全停下。

麻省理工学院航空航天副教授Julie Shah说：“这种算法构建的组件可以帮助机器人理解并监控运动中的停止和重叠，这是人体运动的核心部分。”

预测人体运动

为了使机器人能够预测人体运动，研究人员通常借用音乐和语音处理的算法。这些算法的目的是对齐两个完整的时间序列或相关数据集，如音乐表演的音频轨道和乐谱。

研究人员使用类似的对齐算法来同步实时的和先前记录的人体运动测量值，从而预测一个人在五秒钟后的位置。但与音乐或语言不同的是，人类的动作可能是混乱的，而且具有高度多变性。即使是重复的动作，比如穿过桌子去拧紧螺钉，每个人每次的动作也可能略有不同。现有的算法通常采用流式运动数据，以点的形式表示一个人随时间的位置，并将这些点的轨迹与给定场景的公共轨迹库进行比较。算法根据点之间的相对距离来绘制轨迹。

但Lasota表示，基于距离单独预测轨迹的算法在某些常见情况下很容易混淆，例如临时停留，人们在继续前进之前会暂停，暂停时，代表该人位置的点可以聚集在同一位置。

“当一个人停下来时，你会将一大堆点聚集在一起，如果你只是将点之间的距离看作是对齐度量标准，那可能会让人感到困惑，因为它们都很接近，而且你不清楚对齐哪一点。”

重叠的轨迹也是如此，即一个人沿着类似的路径来回移动时的情况。虽然一个人的当前位置可能与参考轨迹上的一个点对齐，但现有的算法无法区分该位置是否是一条轨迹的一部分，或者沿着相同的路径返回。就距离来说一个人的位置可能与点很近，但就时间而言，位置可能离参考点很远。

一切都在于时机

Lasota和Shah设计了一种“部分轨迹”算法，实时将人的轨迹片段与之前收集的参考轨迹库对齐。重要的是，新算法在距离和时间上对轨迹进行对齐，因此能够准确预测一个人的路径上的停止和重叠。

Lasota解释道，假设你已经执行了这么多动作。旧的技术会认为，这是代表那个运动轨迹上最近的点。但是因为你只是在很短的时间内完成了这么多，算法的计时部分会认为，基于计时你不太可能已经在回来的路上了，因为你刚刚开始你的动作。

该团队在两个人体运动数据集上测试了该算法：一个人在工厂环境中间歇性地穿过机器人的路径（这些数据来自团队对宝马的实验），另一个先前记录了参与者的手部动作，穿过桌子安装一个螺栓，然后机器人通过给螺栓刷上密封剂来固定它。

对于这两个数据集，与两种常用的部分轨迹对齐算法相比，该团队的算法能够更好地估计一个人通过轨迹的进度。此外，该团队发现，当他们将对齐算法与其运动预测器集成时，机器人可以更准确地预测人的运动时间。

虽然算法是在运动预测的背景下进行评估的，但它也可以用作人机交互领域中其他技术的预处理步骤，例如动作识别和手势检测。该算法将成为使机器人能够识别和响应人类运动和行为模式的关键工具。最终，这可以帮助人类和机器人在结构化环境中协同工作，例如工厂，甚至是在家庭环境中。

Shah说，“这种技术可以应用于人类表现出典型行为模式的任何环境，关键是机器人系统可以观察到反复出现的模式，这样它就可以了解人类行为。机器人更好地理解人体运动的各个方面，就能够更好地与我们合作。”