Robot xã hội được thiết kế để giao tiếp với con người một cách tự nhiên, hỗ trợ họ thực hiện nhiều nhiệm vụ khác nhau. Việc sử dụng hiệu quả các cử chỉ có thể giúp tăng cường tương tác giữa người và người, cho phép robot giao tiếp cả bằng lời nói và không bằng lời nói.
 Hình dung cấu hình khớp tay phải của một số robot có 7 cánh tay DOF. Đường chấm chấm đại diện cho đường giữa của cơ thể. a) ASIMO, b) ARMAR-III, c)WABIAN-2, d) iCub. Nguồn: Van de Perre et al.
 
Thiết kế của hầu hết các robot xã hội được lấy cảm hứng từ cơ thể con người, vì điều này giúp dễ dàng tái tạo các cử chỉ và hành vi giống con người. Tuy nhiên, các robot khác nhau có thể có hình thái khác nhau, cho phép chúng giải quyết tốt nhất các nhiệm vụ mà chúng được thiết kế để hoàn thành.
 
Các nhà nghiên cứu tại Vrije Universiteit Brussel, Bỉ, gần đây đã giới thiệu một phương pháp mới dựa trên phương pháp cử chỉ chung để nghiên cứu ảnh hưởng của các khía cạnh thiết kế khác nhau. Bài báo của họ, được xuất bản trên Tạp chí Robot xã hội quốc tế của Springer, trình bày một khung làm việc nhanh chóng tạo ra các cử chỉ phù hợp với cấu hình cụ thể của robot.
 
Theo các nhà nghiên cứu cho biết: “trong bài viết này, chúng tôi đề xuất một phương pháp mới để nghiên cứu ảnh hưởng của các khía cạnh thiết kế khác nhau dựa trên một phương pháp cử chỉ chung. Phương pháp cử chỉ được phát triển để khắc phục những khó khăn trong việc chuyển cử chỉ sang các robot khác nhau, cung cấp giải pháp cho vấn đề tương ứng”.
 
Phương pháp do nhóm các nhà nghiên cứu này nghĩ ra có thể khắc phục những khó khăn trong việc chuyển cử chỉ sang robot có hình dạng và cấu hình khác nhau. Người dùng có thể nhập thông tin hình thái của robot và công cụ sẽ sử dụng dữ liệu này để tính toán các cử chỉ cho robot đó.
 
“Một tập hợp nhỏ thông tin hình thái, được người dùng nhập vào, được sử dụng để đánh giá khuôn khổ chung của phần mềm khi chạy”, các nhà nghiên cứu giải thích. “Do đó, cử chỉ có thể được tính toán nhanh chóng và dễ dàng cho cấu hình robot mong muốn. Bằng cách tạo ra một bộ cử chỉ cho các hình thái khác nhau, sự quan trọng của các khớp cụ thể và ảnh hưởng của chúng đối với một loạt các tư thế và cử chỉ có thể được xem xét”.
 
Để đảm bảo rằng phương pháp của họ sẽ được áp dụng phù hợp cho các loại robot khác nhau, các nhà nghiên cứu đã lấy cảm hứng từ một mô hình cơ sở của con người. Mô hình này bao gồm các chuỗi và khối khác nhau, được sử dụng để mô hình các khả năng quay khác nhau của con người. Các nhà nghiên cứu đã chỉ định một khung tham chiếu cho mỗi khối chung sử dụng mô hình cơ sở con người làm tham chiếu để xây dựng khung chung đằng sau phương pháp của họ.
 
Các nhà nghiên cứu giải thích: “Để tạo ra các cử chỉ cho một mô hình robot nhất định, phương pháp này sử dụng các tham số cấu hình Denavit-Hartenberg (DH) làm đầu vào, theo đó các khớp khác nhau của robot được nhóm thành chuỗi và khối của mô hình cơ sở con người”.
 
Vì các tính năng khác nhau rất quan trọng đối với các loại cử chỉ khác nhau, phương pháp này được thiết kế hoạt động ở hai chế độ khác nhau, đó là chế độ khối và chế độ đầu cuối. Chế độ khối được sử dụng để tính toán các cử chỉ như để biểu hiện cảm xúc. Mặt khác, chế độ bộ lọc kết thúc tính toán các cử chỉ xử lý trong các tình huống chẳng hạn như trong quá trình thao tác hoặc chỉ đối tượng.
 
Trong nghiên cứu này, các nhà nghiên cứu đã áp dụng phương pháp của họ vào mô hình ảo của một robot có tên Probo. Họ đã sử dụng ví dụ này để minh họa cách thức phương pháp này của họ có thể giúp nghiên cứu sự sắp xếp các khớp và phạm vi góc khớp khác nhau trong cử chỉ. Trong tương lai, cách tiếp cận của họ có thể hỗ trợ sự phát triển của robot xã hội có thể thực hiện các cử chỉ tự nhiên phù hợp với hình thái và ứng dụng của chúng.