像人类一样绘画，GT团队开发涂鸦机器人系统

2022 年 6 月 9 日 大数据文摘

大数据文摘转载自学术头条

近日，来自佐治亚理工学院的研究团队构建了第一个能够模仿人类运动流动性的涂鸦机器人系统。该机器人被命名为 GTGraffiti，它使用动作捕捉技术来记录人类的绘画动作，然后通过组合和处理这些手势，对一个用于喷涂涂鸦艺术品的电缆驱动机器人进行编程，进而完成模仿人类艺术家的绘画涂鸦。

该项目由佐治亚理工学院机器人学博士 Gerry Chen 设计，由研究生 Juan-Diego Florez、交互计算学院机器人学教授 Frank Dellaert、KUKA 机器人主席 Seth Hutchinson 教授、工业设计学院助理教授 Sang-won Leigh 等人合作完成。对机器人系统的同行评审研究将于 2022 年 6 月发表在国际机器人与自动化会议论文集中。

机器人如何学会涂鸦？

对于能够以人类风格绘画的机器人，机器人和艺术在设计都必须被考虑到。GTGraffiti 机器人系统由三部分组成：绘画捕捉、机器人硬件以及规划控制。

首先，研究团队使用动作捕捉技术来记录人类艺术家的绘画，这样可以深入了解制作涂鸦艺术品所需的动作类型。在这项研究中，Chen 和团队邀请了两位艺术家以泡泡字母涂鸦风格绘制字母符号。当人类艺术家在绘画时，他们记录了艺术家的手在画布上的动作，以及喷漆罐本身的动作。

捕捉手和喷漆罐的轨迹对于机器人能够使用与人类艺术家相似的分层、构图和运动进行绘画至关重要。之后，该团队处理数据以分析每个动作的速度、加速度和力度大小，并将这些信息用于下一阶段——设计机器人。

考虑到这些数据，以及艺术品创作所需的便携性和准确性，研究人员选择使用电缆驱动的机器人。在电缆和滑轮系统上以电缆驱动的机器人能够在大幅度范围内灵活运动。然后，研究团队将机器人安装在一个 9 x 10 英尺高的钢架上，据研究人员表示，该机器人系统也可以直接安装在几乎任何大小的平面结构上，例如建筑物的侧面。

第三步，研究人员将艺术家的构图转换成电信号，以生成可供机器人绘画的文字。然后，研究人员使用数学方程式生成机器人跟随的轨迹。这些算法生成的路径确保机器人以正确的速度、位置、方向和视角进行绘画。最后，这些路径被转换成要执行的运动指令。

为了解决机器系统电机等缠绕的问题，机器人中央控制器被编程为每秒重新计算 1,000 次电机命令，以便机器人能够安全可靠地运行。组装完成后，机器人可以按照人类涂鸦艺术家的风格绘制艺术品。

在测试环节中，一位人类艺术家选择字母“ATL”，并使用它们来创作一件涂鸦艺术品。

为什么是艺术？为什么是涂鸦？

一些最典型的机器人应用行业包括制造业、生物医学、汽车、农业和军事。但事实证明，艺术可以以一种特别强大的方式展示机器人技术。

“艺术，尤其是绘画或舞蹈，体现了人类可以做出的一些最复杂、最细微的动作。因此，如果我们想创造出能够做人类所做的高技术性事情的机器人，那么创造出会跳舞或绘画的机器人是一个很好的目标。这些是展示机器人非凡能力的技能类型，也可以应用于各种其他应用。”Chen 说。

在个人层面上，Chen 的想法是希望人们将机器人视为对人类有帮助的人，而不是像电影中经常描绘的那样将它们视为工作取代者或导致恐惧、悲伤或厄运感的实体。

“涂鸦是一种艺术形式，本质上是为了让大众看到。在这方面，我希望我们可以用涂鸦来传达这个想法——机器人与人类一起工作可以为社会做出积极的贡献。”

目前，Chen 和团队对机器人的计划围绕两个主要方面展开：保存和放大艺术。为此，他们目前正在试验以不同比例再现预先记录的形状，并测试机器人绘制更大表面的能力。

这些能力将使机器人能够在不同的地理位置绘制原始作品的放大版本，并为无法从事现场喷绘的艺术家提供帮助。理论上，艺术家可以在世界的某个地方绘制艺术品，而 GTGraffiti 机器人可以在另一个地方执行该艺术创作。

未来，Chen 希望利用 GTGraffiti 捕捉艺术家在野外涂鸦的过程。使用捕获的运动数据，GTGraffiti 将能够复制该艺术品，从而不用担心起被涂过或被破坏。

“机器人本身并不是创造艺术，而是与人类艺术家合作，使他们能够实现比没有机器人时更多的成就。”Chen 说。

Chen 设想机器人系统最终将具有允许艺术家与机器人进行实时交互的能力。例如，他希望开发一种技术，使站在建筑物脚下的艺术家能够在狭小的空间内喷涂涂鸦，而电缆驱动的机器人则可以在建筑物的侧面以巨大的笔触同步绘画。

“我们希望我们的研究可以帮助艺术家创作出由超人机器人执行的艺术作品，其传达信息的能力比他们自己亲身绘制的任何作品都更强大。”Chen 说。

参考资料：
https://research.gatech.edu/introducing-gtgraffiti-robot-paints-human
https://dx.doi.org/10.48550/arXiv.2109.06238