Data-driven Grip Force Variation in Robot-Human Handovers

要約

引き継ぎは私たちの社会環境で頻繁に発生するため、共同ロボットシステムが引き継ぎのスキルを習得することが不可欠です。
この作業では、データ駆動型アプローチを利用して、人間のギバーのグリップ力の変動と、人間と人間の引き継ぎにおける感知された相互作用力-トルクとの関係を調査することを目的としています。
LSTM (Long-Short Term Memory) ネットワークは、人間の握力の変動を事前に予測するために、ハンドオーバーで力とトルクの相互作用を使用するようにトレーニングされました。
さらに、訓練されたネットワークを利用して、ロボットギバーに人間のようなグリップ力の変化を引き起こすことを提案します。

要約(オリジナル)

Handovers frequently occur in our social environments, making it imperative for a collaborative robotic system to master the skill of handover. In this work, we aim to investigate the relationship between the grip force variation for a human giver and the sensed interaction force-torque in human-human handovers, utilizing a data-driven approach. A Long-Short Term Memory (LSTM) network was trained to use the interaction force-torque in a handover to predict the human grip force variation in advance. Further, we propose to utilize the trained network to cause human-like grip force variation for a robotic giver.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google