Motion Macro Programming on Assistive Robotic Manipulators: Three Skill Types for Everyday Tasks

要約

障害者にとって、アシストロボット・マニピュレーターの重要性はますます高まっている。日常的な作業でマニピュレータを遠隔操作することは、彼らの日常生活の一部となっています。このような場合、ロボットを操作するのではなく、自己記録されたモーションマクロを適用することで、繰り返し作業を大幅に簡略化できる可能性があります。DMP（Dynamic Movement Primitives）は、遠隔操作によるスキル学習のための強力な手法である。しかし、このユースケースの場合、コンピュータサイエンスのバックグラウンドや自律知覚のための学術的なセンサセットアップがなくても、スキルを開始、停止、パラメータ化する場所を指定するための簡単なヒューリスティックが必要である。この目標を達成するために、本論文では、日常生活の片手タスクを構成するためのモジュラーベースを形成するローカル、グローバル、およびハイブリッドスキルの概念を提供する。これらのスキルは暗黙のうちに規定されており、ユーザ自身によって容易にプログラムすることができ、基本的なロボット・マニピュレータのみを必要とする。本論文は、ロボットに依存しない実装のためのすべての詳細を提供するものである。実験では、痒いところを掻く、机の上の物を整理する、貯金箱にコインを入れる、などの例示的なタスクについて、開発した方法を検証する。この論文には、オープンソースの実装が添付されている（https://github.com/fzi-forschungszentrum-informatik/ArNe）。

要約(オリジナル)

Assistive robotic manipulators are becoming increasingly important for people with disabilities. Teleoperating the manipulator in mundane tasks is part of their daily lives. Instead of steering the robot through all actions, applying self-recorded motion macros could greatly facilitate repetitive tasks. Dynamic Movement Primitives (DMP) are a powerful method for skill learning via teleoperation. For this use case, however, they need simple heuristics to specify where to start, stop, and parameterize a skill without a background in computer science and academic sensor setups for autonomous perception. To achieve this goal, this paper provides the concept of local, global, and hybrid skills that form a modular basis for composing single-handed tasks of daily living. These skills are specified implicitly and can easily be programmed by users themselves, requiring only their basic robotic manipulator. The paper contributes all details for robot-agnostic implementations. Experiments validate the developed methods for exemplary tasks, such as scratching an itchy spot, sorting objects on a desk, and feeding a piggy bank with coins. The paper is accompanied by an open-source implementation at https://github.com/fzi-forschungszentrum-informatik/ArNe

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL