PATO: Policy Assisted TeleOperation for Scalable Robot Data Collection

要約

自然言語処理やコンピュータビジョン研究の最近の進歩で実証されているように、大規模なデータは機械学習に不可欠な要素である。しかし、大規模なロボットデータの収集は、各オペレータが一度に1台のロボットしか制御できないため、はるかに高価で時間がかかる。この高価なデータ収集プロセスを効率的かつスケーラブルにするために、我々は、学習された支援方針を用いて実証収集プロセスの一部を自動化するシステムであるPolicy Assisted TeleOperation (PATO)を提案します。PATOは、データ収集における繰り返し動作を自律的に実行し、どのサブタスクや動作を実行すべきかが不明な場合にのみ、人間の入力を求める。実ロボットと模擬ロボット群を用いた遠隔操作のユーザスタディを実施し、本支援型遠隔操作システムが、データ収集効率を向上させながら、人間のオペレータの精神的負担を軽減することを実証しました。さらに、一人のオペレータが複数のロボットを並行して制御することを可能にし、スケーラブルなロボットデータ収集への第一歩を踏み出しました。コードとビデオの結果については、https://clvrai.com/pato をご覧ください。

要約(オリジナル)

Large-scale data is an essential component of machine learning as demonstrated in recent advances in natural language processing and computer vision research. However, collecting large-scale robotic data is much more expensive and slower as each operator can control only a single robot at a time. To make this costly data collection process efficient and scalable, we propose Policy Assisted TeleOperation (PATO), a system which automates part of the demonstration collection process using a learned assistive policy. PATO autonomously executes repetitive behaviors in data collection and asks for human input only when it is uncertain about which subtask or behavior to execute. We conduct teleoperation user studies both with a real robot and a simulated robot fleet and demonstrate that our assisted teleoperation system reduces human operators’ mental load while improving data collection efficiency. Further, it enables a single operator to control multiple robots in parallel, which is a first step towards scalable robotic data collection. For code and video results, see https://clvrai.com/pato

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL