Các nhà nghiên cứu đã phát triển một bộ mô phỏng chuẩn để đo lường hiệu năng của robot hình người dưới các lực vật lý thực tế, từ đó phát hiện ra những điểm yếu tiềm ẩn về hiệu năng và tạo nền tảng vững chắc hơn cho các đánh giá trong tương lai.
Các nhà nghiên cứu đã giới thiệu ThorArena, cùng với điểm số theo dõi nhận biết lực (FATS), để đánh giá khả năng xử lý các tương tác vật lý thực tế của robot hình người, thay vì các điều kiện thí nghiệm lý tưởng. Tiêu chuẩn này, được mô tả trong một bài báo nghiên cứu gần đây, nhằm mục đích cung cấp một thước đo chính xác hơn về hiệu suất của robot trong các nhiệm vụ hàng ngày liên quan đến các lực tác động từ bên ngoài.
Các phương pháp đánh giá hiện tại thường tập trung vào chuyển động trong môi trường không có chướng ngại vật, nơi robot gặp ít hoặc không gặp lực cản. Mặc dù các thử nghiệm như vậy đo lường được khả năng di chuyển và giữ thăng bằng, nhưng chúng thường không thể nắm bắt được hiệu suất của máy móc khi nâng, đẩy, kéo hoặc mang vác vật thể. Do đó, những robot có vẻ hoạt động tốt trong các đánh giá thông thường có thể gặp khó khăn khi phải chịu tác động của các lực trong môi trường thực tế.
Để khắc phục hạn chế này, nhóm nghiên cứu đã thu thập dữ liệu từ các tình nguyện viên đeo kính thực tế ảo và thiết bị theo dõi chuyển động trong khi thực hiện các nhiệm vụ thông thường. Các dụng cụ cầm tay chuyên dụng được trang bị cảm biến đã ghi lại hướng và độ lớn của các lực tác dụng trong mỗi hoạt động. Sau đó, các phép đo này được tái tạo trong một trình mô phỏng dựa trên vật lý, cho phép robot hình người ảo thực hiện các hành động tương tự trong điều kiện lực thực tế.
Các robot được đánh giá bằng hệ thống FATS, hệ thống này đo lường độ chính xác và độ ổn định khi theo dõi chuyển động trong quá trình tương tác với tải trọng bên ngoài. Bốn hệ thống điều khiển hình người tiêu biểu đã được thử nghiệm. Mặc dù tất cả đều hoạt động tốt trong các tình huống không có lực tác động, nhưng sự khác biệt rõ rệt đã xuất hiện khi các lực tác động thực tế được đưa vào. Một hệ thống duy trì được sự cân bằng tốt hơn một cách nhất quán và đạt được điểm số tổng thể cao nhất, làm nổi bật những điểm yếu mà các tiêu chuẩn đánh giá thông thường không thể xác định được.
Các nhà nghiên cứu tin rằng tiêu chuẩn này có thể cải thiện quá trình phát triển robot hình người dành cho các nhà máy, nhà kho và các nơi làm việc khác, nơi mà sự tương tác vật lý là không thể tránh khỏi. Công việc tiếp theo sẽ mở rộng tập dữ liệu với các nhiệm vụ bổ sung và phạm vi điều kiện lực rộng hơn trước khi áp dụng khung đánh giá này cho các nền tảng robot thực tế.
