Robocikowo>ROBOCIKOWO
Robotyka

Kinesthetic Teaching

AktywnyAktualizacja: 28 października 2026Opublikowany
Metoda uczenia z demonstracji, w której człowiek fizycznie prowadzi ramię lub ciało robota przez zadanie, a robot rejestruje trajektorie swoich stawów.
Kluczowa innowacja
Pozwala uczyć robota zadania bez programowania ani pośredniego interfejsu — człowiek fizycznie prowadzi ramię robota, a ten rejestruje własne trajektorie stawów, co eliminuje problem korespondencji między ciałem nauczyciela a robotem.
Kategoria
Robotyka
Poziom abstrakcji
Wzorzec
Poziom operacji
Sterowanie robotemDaneTrening
Zastosowania
Programowanie robotów współpracujących (cobotów)Uczenie manipulacji: chwytanie, przenoszenie, wkładanieZbieranie demonstracji do uczenia przez naśladowanieSzybkie przezbrajanie stanowisk w produkcji o małej seriiZadania montażowe i pick-and-place

Jak działa

Robot jest wprowadzany w tryb podatny/backdrivable z kompensacją grawitacji, dzięki czemu człowiek może przemieszczać jego ogniwa niewielkim wysiłkiem. Operator fizycznie prowadzi efektor/ramię przez zadanie (np. chwyt, przeniesienie, wstawienie). W trakcie ruchu enkodery stawów próbkują trajektorię — pozycje, a często prędkości i momenty — z określoną częstotliwością; część systemów pozwala zapisywać jedynie klatki kluczowe (keyframes) zamiast ciągłej trajektorii. Zarejestrowane demonstracje (często wiele powtórzeń) są kodowane i uogólniane do polityki, np. przez Dynamic Movement Primitives lub GMM/GMR, co pozwala odtworzyć i adaptować ruch do nowych warunków początkowych.

Rozwiązany problem

Programowanie robota tradycyjnymi metodami (ręczne kodowanie trajektorii, teach pendant) jest czasochłonne i wymaga wiedzy eksperckiej. Demonstracja przez obserwację człowieka wymaga z kolei rozwiązania problemu korespondencji — przełożenia ruchu z ciała człowieka na odmienną kinematykę robota. Demonstracja kinestetyczna rozwiązuje oba problemy: nieekspert może nauczyć robota zadania intuicyjnie, a dane powstają bezpośrednio w przestrzeni stawów robota.

Komponenty

Tryb podatny z kompensacją grawitacjiUmożliwia fizyczne prowadzenie robota przez człowieka.

Sterowanie wprowadzające robota w stan backdrivable, w którym człowiek może przemieszczać jego ogniwa niewielkim wysiłkiem, a ciężar ramienia jest kompensowany.

Rejestracja trajektorii stawówPrzechwytuje demonstrację w przestrzeni stawów robota.

Próbkowanie odczytów enkoderów stawów (pozycje, często prędkości i momenty) w czasie demonstracji; opcjonalnie zapis jedynie klatek kluczowych.

Kodowanie i uogólnianie demonstracjiUogólnia demonstracje do odtwarzalnej, adaptowalnej polityki.

Przekształcenie zarejestrowanych trajektorii w politykę sterowania, np. przez Dynamic Movement Primitives, mieszaniny gaussowskie (GMM/GMR) lub uczenie oparte na klatkach kluczowych.

Implementacja

Pułapki implementacyjne
Trudność przy zadaniach dynamicznych i wysokiej liczbie DOFŚrednia

Jednoczesne prowadzenie wielu stawów ludzką ręką jest trudne; metoda słabo nadaje się do ruchów szybkich/dynamicznych oraz do robotów o wielu stopniach swobody (np. dłonie wielopalczaste, ruchy całego ciała).

Rozwiązanie:Dekompozycja na podzadania, zapis klatek kluczowych zamiast ciągłej trajektorii, łączenie z teleoperacją.
Niespójne i suboptymalne demonstracjeŚrednia

Demonstracje człowieka różnią się między powtórzeniami i bywają nieoptymalne, co obniża jakość wyuczonej polityki.

Rozwiązanie:Wiele powtórzeń i uśrednianie (np. GMM/GMR), filtrowanie odstających demonstracji.

Ewolucja

2009
Formalizacja taksonomii demonstracji w ankiecie LfD
Punkt przełomowy

Przeglądowa praca Argalla i wsp. porządkuje metody dostarczania demonstracji (m.in. teleoperacja, shadowing, prowadzenie), osadzając demonstrację kinestetyczną w ramach uczenia z demonstracji.