Coordinated Multi-Robot Shared Autonomy Based on Scheduling and Demonstrations

要約

人間のオペレーターとロボット アームが共同で作業する共有自律方式により、ロボットはさまざまな複雑で非常に変化しやすいタスクを完了できるようになりました。
既存の研究は主に、1 人の人間が 1 台のロボットで自律性を共有することに焦点を当てています。
対照的に、このホワイト ペーパーでは、1 人のオペレーターが同じタスクを並行して完了する 2 つの調整されたロボット間でリアルタイムの修正を提供できるようにするマルチロボット共有自律性のアプローチを提示します。
複数のロボットで自律性を共有するには、根本的な課題があります。
人間は一度に 1 台のロボットしか修正できず、調整がなければ、人間は長時間放置される可能性があります。
したがって、人間の専門知識を最大限に活用するために、ロボットの学習した動作を調整するアプローチを開発します。
私たちの重要なアイデアは、デモンストレーションからの学習 (LfD) とタイム ワーピングを活用して、支援が必要になるタイミングに基づいてロボットの動作をスケジュールすることです。
私たちの方法は、オペレーターのデモンストレーションの変動性を使用して、共有された自律性の間にオペレーターが適用する可能性のある修正の種類を特定し、デモンストレーションでタスクが実行された速さの柔軟性を活用してスケジューリングを支援し、修正が必要になる可能性を繰り返し推定します。
1 台のロボットだけが支援を必要とするアクションを完了していること。
予備的なシミュレーション研究を通じて、各ロボットが支援を必要とする可能性がある時間を繰り返し推定し、オペレーターがこれらの時間中に各ロボットに修正を提供できるようにする最適化されたスケジュールを生成することにより、私たちの方法がサンディングに費やされる全体の時間を短縮できることを示します。

要約(オリジナル)

Shared autonomy methods, where a human operator and a robot arm work together, have enabled robots to complete a range of complex and highly variable tasks. Existing work primarily focuses on one human sharing autonomy with a single robot. By contrast, in this paper we present an approach for multi-robot shared autonomy that enables one operator to provide real-time corrections across two coordinated robots completing the same task in parallel. Sharing autonomy with multiple robots presents fundamental challenges. The human can only correct one robot at a time, and without coordination, the human may be left idle for long periods of time. Accordingly, we develop an approach that aligns the robot’s learned motions to best utilize the human’s expertise. Our key idea is to leverage Learning from Demonstration (LfD) and time warping to schedule the motions of the robots based on when they may require assistance. Our method uses variability in operator demonstrations to identify the types of corrections an operator might apply during shared autonomy, leverages flexibility in how quickly the task was performed in demonstrations to aid in scheduling, and iteratively estimates the likelihood of when corrections may be needed to ensure that only one robot is completing an action requiring assistance. Through a preliminary simulated study, we show that our method can decrease the overall time spent sanding by iteratively estimating the times when each robot could need assistance and generating an optimized schedule that allows the operator to provide corrections to each robot during these times.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google