Trabalhos que tratam do acompanhamento de um indivíduo por um robô tem, muitas vezes, um foco no tracking, ou seja, identificação da posição do indivíduo, por meio de câmeras. Deve-se isto à necessidade de identificar onde a pessoa está para possibilitar o acompanhamento.
Choi et al.(2013) trabalharam com a identificação de indivíduos em condições que apresentam dificuldades, como quando a pessoa está sentada ou quando há uma oclusão parcial. A câmera RGB-D Kinect é utilizada para capturar imagens; a capacidade de extrair a profundidade da imagem que câmeras como esta têm permite que o sistema tenha condições de identificar a distância da pessoa, além de evitar que sejam considerados como o mesmo objeto dois elementos distintos, mesmo que estejam a distâncias significativamente grandes em relação à profundidade. O método é capaz de identificar vários indivíduos em uma única imagem através de um conjunto
de operações: segmentação da imagem em subamostras, onde cada amostra tem um grafo gerado a partir de pontos escolhidos aleatoriamente, combinação de subamostras, identificação de subamostras candidatas (combinadas ou não) e classificação através de máquinas de vetor de suporte (SVM) para identificar quais regiões candidatas contém indivíduos.
Os experimentos foram feitos através de imagens de uma base de dados pública com pessoas de pé olhando para a câmera a distâncias distintas em relação à câmera e alguns casos de oclusão, e de imagens de uma cafeteria capturadas por um robô móvel, envolvendo várias situações que apresentam dificuldade de identificação e pessoas em posições diferentes (sentadas, de perfil). Apesar de não ter ocorrido a aplicação em tempo real da identificação, mostra-se um trabalho que enfrenta os problemas que um método que permita a um robô seguir uma pessoa dispondo de uma câmera RGB-D.
O trabalho deVasconcelos et al.(2013) utiliza, também, uma identificação de pessoas através de uma câmera RGB-D. A identificação também adotou um classificador SVM, mas a determinação das regiões a serem classificadas foi feita a partir de histogramas de gradiente. Houve uma preocupação na etapa de identificação de indivíduos em aplicar um filtro para evitar que ruídos façam com que o número de indivíduos identificados mude com frequência; o tratamento foi justificado como um recurso para que o robô não realize mudanças bruscas de velocidade.
Quando o obstáculo é um humano, o tratamento de desvio é diferente de quando é uma parede, com o objetivo de ser mais socialmente aceitável. A velocidade do robô é dependente do número de pessoas identificadas e da distância à pessoa mais próxima. O algoritmo de navegação considera que o raio do robô é maior do que o real para que sejam feitas manobras mais suaves. Uma outra motivação está na impossibilidade de reconhecimento do indivíduo quando o robô está muito próximo, pois a câmera não é capaz, a partir de certa proximidade, de reconhecer o corpo inteiro. Esta observação encoraja a manutenção de uma distância que não interfira nos
recursos sensoriais, o que permite traçar um paralelo com observações proxêmicas (HALL et
al.,1968). A trajetória do robô foi previamente definida durante os experimentos. O robô foi capaz de navegar adequadamente, mas mostrou alguns picos de velocidade, o que os autores apontaram como consequência de ter sido considerado apenas o número de indivíduos no filtro, e não a distância.
Alvarez-Santos et al.(2012) aplicam o reconhecimento de pessoas para segui-las; um sensor de feixes laser é utilizado para identificar as pernas, enquanto uma câmera identifica o tronco. A combinação das duas informações dá a posição de cada pessoa identificada. Um desafio enfrentado no trabalho foi definir dentro de um conjunto de pessoas qual o robô deveria seguir. A identificação foi feita verificando qual a pessoa mais próxima da direção angular que é prevista como a posição da pessoa que deve ser seguida. A única informação descrita sobre o método de navegação é que o robô utilizou campos potenciais para desviar de obstáculos e seguir a pessoa. A combinação de sensores de feixes laser e câmeras também foi adotada por
2.1. Interação Humano Robô - HRI 31
Hoshino e Morioka(2011). A classificação da posição das pessoas é feita através de um filtro de partículas. Um algoritmo de agrupamento é aplicado nas partículas para ajudar a diferenciar pessoas distintas. O trabalho não especifica nenhuma estratégia de navegação do robô.
Um trabalho que teve como prioridade a estratégia de acompanhamento foi apresentado por Gockley, Forlizzi e Simmons (2007). Os autores defendem que, para robôs que visam interagir com uma pessoa, a navegação lado-a-lado, ou seja, posicionando-se à esquerda ou à direita da pessoa, é mais conveniente. Eles não apresentaram, entretanto, um comportamento que fizesse este tipo de acompanhamento de fato. O estudo foi uma etapa inicial de investigação de percepção das pessoas sobre duas estratégias distintas de acompanhamento. A primeira fazia com que o robô tentasse ir em direção à pessoa, enquanto a segunda era o seguimento da mesma trajetória feita pelo indivíduo. As pessoas que visualizaram a navegação consideraram a primeira estratégia como mais natural. Foi apontado que os resultados apresentados foram colhidos da observação em terceira pessoa do acompanhamento, o que foi necessário por ser difícil para uma pessoa avaliar a movimentação de um robô que a segue por trás, ou seja, fora do seu campo de visão.
Kuderer e Burgard(2014) aplicaram de fato uma navegação lado-a-lado para um robô acompanhante, utilizando uma função de custo para estimar a posição do indivíduo considerando a presença do robô. Este trabalho estima uma trajetória a longo prazo do indivíduo, para que o robô tenha maior facilidade em manter seu posicionamento relativo à pessoa. A previsão a longo prazo é apontada como uma vantagem por ajudar a evitar problemas de mínimo local e para identificar situações em que não é possível ficar diretamente ao lado da pessoa, mas exige a existência de um mapa métrico.
Yeh et al.(2017) realizou o estudo do efeito da proxêmica na interação entre uma pessoa e um drone, que foi construído de modo a ser socialmente aceito, possuindo um rosto mostrado por um tablet e tendo voz. Uma diferença significativa para este estudo é que a distância tem que ser considerada em três dimensões distintas; ao invés da representação de zonas sociais através de uma circunferência, foi necessário adotar esferas. Uma observação importante foi que o barulho característico produzido pelo drone foi considerado um problema pelos participantes do experimento. O drone conseguiu realizar uma aproximação maior do que o que não dispunha de voz e de rosto.
O trabalho de (CHEN; ZHANG; ZOU, 2018) envolve a navegação de um robô em
um ambiente com a presença de pessoas. O objetivo foi realizar uma navegação segura sem atrapalhar os indivíduos, seja evitando de passar bem à sua frente como evitando se deslocar no meio do centro de interação de um grupo de pessoas. Para modelar as zonas sociais, foram utilizadas funções Gaussianas assimétricas; este modelo foi utilizado para o acréscimo de custo de um planejador de trajetórias A*. Estas zonas sociais foram geradas com uma leve inclinação lateral para encorajar a passagem do robô à esquerda da pessoa, o que é considerado uma norma social no país dos autores, a China.