乐高机器人用于认知康复

乐高机器人助力认知康复

使用乐高®机器人套件作为认知与社交康复玩具的有效性

1 引言

游戏在儿童的发展中至关重要,有助于认知、身体、社交和情感发展。在机器人游戏市场中,有不同类型的机器人玩具。其中一些指的是预组装机器人,例如Dush。它开箱即可玩耍,能响应用户的语音,并在客厅中移动。它可以沿着赛道行驶、跳舞、发光、发出声音、进行角斗或玩各种其他游戏。此外,Cozmo 是一个具有人格的机器人,能够识别面孔、姓名和个性,在孩子情绪低落时让他们振作起来,并在他们感到无聊时分散其注意力。

另一种类型的机器人玩具是所谓的机器人行为构建套件,例如LEGO® Ev3 或 mBot 机器人。这些机器人套件允许用户首先组装机器人的本体,然后编程使其在环境中执行动作。与预组装机器人之间的游戏体验仅限于与预编程制品互动以及自定义用户的偏好。而使用机器人行为构建套件的游戏体验则让用户参与到创建机器人在物理环境中所执行的动作,并对其进行后续管理的过程之中。此外,机器人行为构建套件促使用户持续地进行建构、解构和重构,以及对机器人动作的编程、去编程和重新编程。因此,机器人成为真正意义上的‘可思考之物’(哈雷尔和帕佩特,1991),从而促进、锻炼并因此加强了认知连续过程的发展(帕伯特和《心智风暴》,1980年)。

学者们探讨了在教育机器人背景下使用机器人行为构建套件的潜力(勒鲁,1999;米格利诺等,1999)。教育机器人迄今为止是娱乐技术框架下的一个跨学科研究领域,涉及认知心理学、计算机科学和教育。它不仅关注机器人技术的教育成果,还包括一种旨在优化人们在与机器人玩耍过程中认知和社会技能发展的方法。

在本文中,我们探讨了将机器人行为构建套件作为康复工具应用于改善不同年龄和教育水平人群的认知和社会技能的可能性。为此,首先,我们阐述了教育机器人在建构主义框架下的理论基础(帕伯特和《心智风暴》,1980年)。其次,我们提供了与机器人游戏活动相关的方法论指导。最后,我们讨论了评估机器人行为构建套件在特殊教育需求领域应用效果的实证研究。

2 机器人行为构建套件的理论基础

南非数学家西摩·帕佩特或许可被视为乐高机器人行为构建套件首个产品线—— LEGO®头脑风暴机器人发明系统(雷斯尼克,1993)背后的核心天才。在20世纪60年代与皮亚杰共事后,他移居至波士顿的麻省理工学院(MIT),并创立了建构主义,这是一种新的认知的认识论模型(帕伯特和《心智风暴》,1980年;皮亚杰和英海尔德,1966;帕佩特,1993)。帕佩特观察到一些非洲儿童典型的嬉戏活动,例如按比例建造房屋或用藤条制作器物。在此基础上,他提出建构主义理念:人类心智的发展依赖于构建具体材料的过程,这些材料被称为“可思考的对象”,用户可以展示、讨论、检验和欣赏它们。通过与计算机或其他机器人设备互动,用户能够增强创造力或创新能力,并将他们的计算思维具体化(帕佩特,1991)。这一理念与著名的“知识即行动”原则非常相似(皮亚杰和英海尔德,1966)。皮亚杰指出,个体通过与具体物体互动,而认知正是这种知识建构主动过程的结果(皮亚杰,1937年)。然而,

两种认知理论方法之间存在一些差异。皮亚杰强调脱离具体物体的形式逻辑思维,认为这是认知发展的最高表现形式(皮亚杰,1937)。反之,帕佩特(帕伯特和《心智风暴》,1980年;帕佩特,1991)则提出重新评估真实思维,赋予人类智能的物理维度和有形产物以新的价值。从这个意义上讲,机器人行为构建套件是支持知识获取过程的真实支架。此外,它们有助于在个体层面激发每个儿童的最近发展区(维果茨基,1934年)。

2.1 机器人行为构建套件

在本文中,我们聚焦于乐高®机器人行为构建套件。具体而言,这类产品以 LEGO® Ev3 的名称在市场上销售,为用户提供传统积木和计算积木,可用于组装交互式机器人。用户可自由选择机器人的外形,即其形态结构——并使用相同的乐高®积木搭建成小型车辆形状的机器人、动物形或人形机器人。因此,机器人行为构建套件属于可供探索的玩具,因为用户能够深入参与玩具本身的构造机制以及行为修改机制(阿克曼等人,2002年)。事实上,使用机器人套件的游戏过程始于构建一个机器人,其形态通常包括一个中央主体和外围的执行器或传感器。车载微型计算机构成中央主体,既是机器人的主要物理底盘,也是其“大脑”。该身体/大脑系统负责处理机器人行为库的输入与输出。它是一种可编程的乐高®积木,带有插孔和按钮,允许用户连接其他组件。其内部包含微处理器和用于存储处理器固件或操作系统的内存,使机器人能够脱离计算机独立运行。用户还将电机、光、触碰、红外或颜色传感器等其他计算积木组装到中央主体上。传感器使机器人能够在真实环境中执行特定动作(例如,在光线较暗的环境中移动;避开环境障碍物;沿直线行进)。用户完成机器人搭建后,便切换至计算机上的软件编程应用程序来规划其行为。如同拼图一般,用户通过创建各种类型的编程模块或指令链来编写程序,例如前进、下一步、后退、右转、左转、停止电机、之字形移动、跳舞和摇晃。当用户完成编程阶段后,会将编码算法下载到机器人中,并在真实环境中验证其表现。机器人可在环境中自主运行,无需任何电缆或其他与计算机的连接。因此,这种游戏体验为用户提供了一个持续的建构、编程和验证机器人在真实环境中行为模式的过程。通过这种方式,乐高® 套件的游戏活动创造了一种项目设计型游戏环境(马丁,1992年,1994年;雷斯尼克,1996年)。

此外,机器人体现了用户的计算思维——参见具身认知概念(克拉克,2001年)—— 并使他们能够通过自主机器人提供的持续反馈不断调整和完善思维过程(帕伯特和《心智风暴》,1980年;帕佩特,1993)。从这个意义上讲,机器人行为构建套件不仅代表一种新型的科技玩具,更是一场真正认识论革命的起点。它们确实推动了从基于建构主义的理论方法(皮亚杰)向实践性、互动性学习的转变。

机器人行为构建套件具有真实的连贯性,同时为基于解决问题的游戏开发提供了有价值的支撑。它们还能增强玩家的所有认知和社会能力。

3 使用机器人行为构建套件进行游戏

使用机器人行为构建套件的游戏体验是一种实践活动,体现了建构主义和体验式学习的理念(科尔布,1984年;科尔布和科尔布,2001年)。无论是单独还是以小组形式进行游戏,用户都处于一个可自主控制的游戏情境中。玩家完全掌控整个设计过程以及后续为使机器人行为适应环境而制定的游戏策略的测试。该游戏提供了多种方法来解决如何创建结构良好且高效的机器人这一问题,从而激发玩家的创造力。每个人都可以最大限度地展现自己的认知风格或学习策略。先前的研究提供了实证证据,表明使用机器人行为构建套件进行游戏具有很高的教育价值,尤其是在科学、技术、数学和工程(STEM)领域。学者们已将此类游戏活动引入学校,针对不同年龄和教育水平的学生开展了一系列综合性的教育娱乐实验室(即教育与娱乐结合的实验室)。研究结果表明,通过玩机器人游戏有助于掌握技术或科学高级概念(马丁,1992年,1994年),以及支配科学技术学科的抽象或形式规则(克鲁姆霍尔茨,1997年;亚尔维宁,1998年)。其他研究还证实,机器人行为构建套件能够帮助儿童提升规划和预测能力(王等人,2001年)、逻辑推理能力(卡奇等人,2002年,2004年)、感知辨别能力或视觉空间技能(卡奇,2004年;卡奇等人,2013年)、工作记忆(卡奇等人,2014年),以及元认知能力(拉帕利亚等人,2010年)。

具体而言,卡奇等人(2004年)让一组中学学生参加了一个为期12次的 LEGO®机器人实验室,结果表明,推理能力测试得分与编程一个小型车辆形状 LEGO®机器人能力之间呈正相关(r = .608,p < .05)。研究人员给参与者分配了一项机器人任务:搭建/编程一个LEGO®机器人,使其能够以最快速度在矩形场地内完成行进,并避开位于轨迹中央的障碍物。为了评估参与者在机器人任务中的表现,研究人员首先将整个机器人行为分解为完成该任务所需的四个编程序列,然后分别给予 0=无编程序列、1=错误编程序列和2分=正确编程序列的评分。

该研究结果表明,推理能力是编程LEGO® 机器人能力的认知先决条件。学生会提前预测并规划机器人的动作,以使其行为适应环境。例如,他们编写合适的算法,使机器人能够避开环境中的障碍物并调整其轨迹。此外,他们还运用自身的推理策略,确定适合任务条件的机器人的感觉‐运动行为(卡奇等人,2004年)。随后,卡奇等人(2013年)在另一组中学生中发现了类似的结果。研究人员让学生参与了一个八次四小时的机器人实验室,旨在首先搭建/编程一个LEGO® 机器人。在这种情况下,参与者需要解决一个更具创造性的机器人任务。他们首先需要为机器人行为定义一个虚构场景,然后使用纸板、颜料和模型膏来构建机器人场地,最后编写算法以使机器人适应所创建的环境。在机器人实验室的第二阶段,参与者还需通过微软的 Kodu Lab 虚拟游戏重现LEGO®场景。结果显示,参与者的推理能力(r = .72;p < .01)和视觉处理速度目标(r = .45;p < .05)得分与LEGO®编程技能的掌握程度密切相关。

与上述研究一致,La Paglia 等人(2010)提供了关于小学儿童参与LEGO®机器人活动与元认知技能之间关联的初步结果。作者初步设定了四个难度递增的 LEGO®机器人任务,难度通过所需LEGO®积木数量以及完成每个任务所需的 LEGO®搭建和编程序列数量来衡量。例如,“建造单个保险杠”任务需要32块 LEGO®积木和八个组装步骤;而“编程控制电机和单个保险杠”任务则需要五条指令来创建编程算法。最后,作者使用观察量表测量了参与者(如自我纠正等)的元认知技能。

其他研究表明,LEGO®机器人对认知技能的提升具有显著效果。例如,王等人(2001)组织了一组5至6岁的儿童参与基于编程课程的前后测设计,使用预先组装好的LEGO®机器人。在前测阶段,研究人员要求儿童熟悉LEGO®编程课程,并预测机器人在环境中的动作。在训练阶段,作者为儿童设置了六个难度逐渐增加的编程任务。在后测阶段,作者重新进行了前测阶段的编程课程,并测量了儿童预测机器人动作能力的提升情况。结果证实,儿童在诸如规划和预测能力等高阶认知技能方面有所提高。Chioccarello 等人(2002)在一组5至6岁的意大利儿童中也验证了这一结果。然而,他们让儿童在实验人员的帮助下创建机器人微型世界。例如,他们搭建了朝声源移动的LEGO®机器人、机器人树或相互交互的机器人鸟。作者报告称,儿童在机器人活动中频繁使用“如果⋯⋯那么⋯⋯”形式的预测语句,并且遵循各自的认知风格。一些儿童在心理上预先设想机器人的动作,并采用系统性和逻辑性的规划策略;另一些儿童则对机器人的行为提出假设,并通过在环境中进行实证测试来验证,即应用重复测试启发法。最近的实证证据表明,使用LEGO®机器人进行游戏活动也是改善视空间工作记忆的有效工具(卡奇等人,2013)。

此外,使用LEGO® 机器人套件进行游戏活动有助于提升参与者的社交技能。玩家之间相互协作,分享想法和解决方案,并学会解决冲突或分歧的策略(巴弗斯,1995)。同时,他们也提升了合作与协作能力(德尼和于贝尔,2001)。例如,巴弗斯(1995)分析了四到五年级儿童(8‐9岁)在构建与编程小型自主LEGO® 机器人过程中的视频转录文本,研究其协作策略。结果显示,在配对合作中出现了分歧时刻,尤其是在选择机器人行为时尤为明显。然而,儿童能够通过启动以讨论/修改为中心的多种认知行为来克服这些分歧情况。

4 机器人行为构建套件作为康复工具的使用

克鲁姆霍尔茨(1997)是首位描述使用机器人游戏活动对智力障碍儿童有益的研究者。智力障碍儿童可能因其智力限制和认知障碍而在游戏方面存在困难。他们注意力保持能力较弱,可能无法理解所提议游戏的意义以及用于游戏的语言含义。因此,该作者关注了定制与机器人进行的游戏活动的可能性,并提供了经验证据,表明智力障碍人士能够遵循自己的思维方式,从而充分发挥其创造力。其他研究也表明,与表现出有意图行为的机器人(例如沿轨道移动并清除散落在轨道上的积木的机器人)互动,能够促进智力障碍儿童的主动性和目标导向态度(达安布罗西奥等,2003)。同样,卡奇和达米科(2005)证明,使用机器人套件进行游戏可使智力障碍学生在语言、数学科学和技术学科领域的学业成就均得到提升,同时也有助于增强感知自我效能、自主性以及元认知控制。最近,达米科和瓜斯塔拉(2019)开发了一种名为RE4BES的治疗方案,该方案是一套用于为特殊需要儿童设计个性化机器人活动的指导方针。研究结果进一步证实,RE4BES协议可被视为一种有价值的创新工具,适用于具有不同个体需求的儿童和青少年的认知治疗。作者证明了RE4BES协议在增强认知技能(即言语短期工作记忆)和参与活动方面的有效性。此外,RE4BES协议对于减少注意力不集中或多动行为也具有积极作用。

5 结论

本文证明,与机器人行为构建套件(如 LEGO® Ev3)的互动重新凸显了游戏过程中具体性的重要性。与传统建构游戏或电子游戏中的非物质且无实体的人工智能体不同,物理机器人组件代表了一种真正的技术支架,玩家借此在游戏化环境中提升其认知和社会技能。思考机器人使“与机器人共同思考”的过程具象化,以调整其感觉运动行为来适应游戏条件。此外,玩家可能采用机器人的观点,并为机器人构建某种“心理理论”。因此,与机器人的游戏性互动为主体重建知识提供了实验机会。创造与发现这一主动过程,以及解决问题的过程,均嵌入到机器人游戏中(哈雷尔和帕佩特,1991)。通过使用机器人套件进行游戏,个体能够掌握复杂抽象概念,因为机器人促进了具体思维与抽象思维之间的持续交换。主动实验搭建一组对机器人移动有用的轮子,使个体得以通过具体方式思考支配杠杆和齿轮运作的普遍规律(帕佩特,1993)。同样,在构建机器人身体的过程中,实际进行连接、调整或重新调整 LEGO®积木的行为,与机器人“大脑”编程相关的逻辑过程紧密相连。玩家建立事件之间的条件关系(如果⋯⋯那么规则),做出决策并解决问题,从而促进其认知或社交技能的发展(卡奇等人,2013)。此外,在真实环境中对提出的解决方案进行最终验证,可为玩家提供即时反馈,进而帮助他们发展元认知技能。参与者从动手机器人活动中受益,这让我们看到了将这些先进科技工具应用于认知与社会康复领域的可能性。与机器人的游戏实现了受控且直接但独特的嵌入式(或具身)互动,包括身体接触和具体操作。机器人游戏活动处于从使用软件康复工具到与人类治疗师真实互动这一连续体的中间层次,它提供的互动比电脑屏幕上显示的软件更多一些真实性,但又比与另一个人的互动少一些真实性。因此,与机器人的游戏填补了仅使用软件系统或传统康复技术之间的空白。同时,与机器人的游戏允许动态的主体‐机器人互动。计算机程序并不完全控制机器人,而是在真实环境的 hic et nunc 中发生。因此,使用机器人套件进行游戏可被视为一种有效的治疗辅助(方等,2003)。

总之,本文预示了机器人玩具不仅在特定能力的短期强化方面,而且在长期康复项目中应用的影响。因此,我们认为,机器人玩具对于特殊教育需求领域的教育工作者、学校心理学家或康复治疗师而言,都是一种前沿康复工具。

本项目采用C++编程语言结合ROS框架构建了完整的双机械臂控制系统,实现了Gazebo仿真环境下的协同运动模拟,并完成了两台实体UR10工业机器人的联动控制。该毕业设计在答辩环节获得98分的优异成绩,所有程序代码均通过系统性调试验证,保证可直接部署运行。 系统架构包含三个核心模块:基于ROS通信架构的双臂协调控制器、Gazebo物理引擎下的动力学仿真环境、以及真实UR10机器人的硬件接口层。在仿真验证阶段,开发了双臂碰撞检测算法和轨迹规划模块,通过ROS控制包实现了末端执行器的同步轨迹跟踪。硬件集成方面,建立了基于TCP/IP协议的实时通信链路,解决了双机数据同步和运动指令分发等关键技术问题。 本资源适用于自动化、机械电子、人工智能等专业方向的课程实践,可作为高年级课程设计、毕业课题的重要参考案例。系统采用模块化设计理念,控制核心与硬件接口分离架构便于功能扩展,具备工程实践能力的学习者可在现有框架基础上进行二次开发,例如集成视觉感知模块或优化运动规划算法。 项目文档详细记录了环境配置流程、参数调试方法和实验验证数据,特别说明了双机协同作业时的时序同步解决方案。所有功能模块均提供完整的API接口说明,便于使用者快速理解系统架构并进行定制化修改。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
【微电网】【创新点】基于非支配排序的蜣螂优化算法NSDBO求解微电网多目标优化调度研究(Matlab代码实现)内容概要:本文围绕基于非支配排序的蜣螂优化算法(NSDBO)在微电网多目标优化调度中的应用展开研究,提出了一种改进的智能优化算法以解决微电网系统中经济性、环保性和能源效率等多重目标之间的权衡问题。通过引入非支配排序机制,NSDBO能够有效处理多目标优化中的帕累托前沿搜索,提升解的多样性和收敛性,并结合Matlab代码实现仿真验证,展示了该算法在微电网调度中的优越性能和实际可行性。研究涵盖了微电网典型结构建模、目标函数构建及约束条件处理,实现了对风、光、储能及传统机组的协同优化调度。; 适合人群:具备一定电力系统基础知识和Matlab编程能力的研究生、科研人员及从事微电网、智能优化算法应用的工程技术人员;熟悉优化算法与能源系统调度的高年级本科生亦可参考。; 使用场景及目标:①应用于微电网多目标优化调度问题的研究与仿真,如成本最小化、碳排放最低与供电可靠性最高之间的平衡;②为新型智能优化算法(如蜣螂优化算法及其改进版本)的设计与验证提供实践案例,推动其在能源系统中的推广应用;③服务于学术论文复现、课题研究或毕业设计中的算法对比与性能测试。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注NSDBO算法的核心实现步骤与微电网模型的构建逻辑,同时可对比其他多目标算法(如NSGA-II、MOPSO)以深入理解其优势与局限,进一步开展算法改进或应用场景拓展。
内容概要:本文详细介绍了使用ENVI与SARscape软件进行DInSAR(差分干涉合成孔径雷达)技术处理的完整流程,涵盖从数据导入、预处理、干涉图生成、相位滤波与相干性分析、相位解缠、轨道精炼与重去平,到最终相位转形变及结果可视化在内的全部关键步骤。文中以Sentinel-1数据为例,系统阐述了各环节的操作方法与参数设置,特别强调了DEM的获取与处理、基线估算、自适应滤波算法选择、解缠算法优化及轨道精炼中GCP点的应用,确保最终获得高精度的地表形变信息。同时提供了常见问题的解决方案与实用技巧,增强了流程的可操作性和可靠性。; 适合人群:具备遥感与GIS基础知识,熟悉ENVI/SARscape软件操作,从事地质灾害监测、地表形变分析等相关领域的科研人员与技术人员;适合研究生及以上学历或具有相关项目经验的专业人员; 使用场景及目标:①掌握DInSAR技术全流程处理方法,用于地表沉降、地震形变、滑坡等地质灾害监测;②提升对InSAR数据处理中关键技术环节(如相位解缠、轨道精炼)的理解与实操能力;③实现高精度形变图的生成与Google Earth可视化表达; 阅读建议:建议结合实际数据边学边练,重点关注各步骤间的逻辑衔接与参数设置依据,遇到DEM下载失败等问题时可参照文中提供的多种替代方案(如手动下载SRTM切片),并对关键结果(如相干性图、解缠图)进行质量检查以确保处理精度。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值