Advancing Robot Autonomy for Long-Horizon Tasks

要約

自律型ロボットは、モバイル操作や環境探索などのさまざまな分野で現実世界に応用されており、そのようなタスクの多くは、長いタスク期間にわたる人間のユーザー関与という点で、ハンズオフのアプローチから恩恵を受けています。
ただし、展開によって達成できる自律性のレベルは、システムに必要な問題定義やタスク仕様によって部分的に制限されます。
タスクの仕様には多くの場合、説明するのが直感的ではない技術的な低レベルの情報が必要であり、一般的な解決策になる可能性があり、タスクの完了前と完了後の両方でユーザーに技術的な負担を強いることになります。
この論文では、現実世界のシナリオにおけるロボットの自律性を高めるという目標に向かって、タスク仕様の抽象化を進めることを目指しています。
私たちは、この目標をさまざまな角度から解決する問題に取り組むことでこれを実現します。
まず、制約されたモバイル操作のコンテキストでサブタスク間の最適な移行点を自動的に発見する方法を開発し、タスク仕様でこれらを人間が手動で指定する必要性を排除します。
さらに、手動で定義した制約ではなく実証済みのデータを使用して、ロボットの動作に関する制約を自動的に記述する方法を提案します。
次に、環境探索のコンテキスト内で、ユーザーが関心のある分位数のセットを要求するだけで、ロボットがユーザーが調査する環境内の場所を直接提案できるようにする、柔軟なタスク仕様フレームワークを提案します。
次に、タスク仕様にロボット チームを含めることの効果を体系的に研究し、マルチロボット チームがロボット間通信の有効化など、特定の仕様条件下でパフォーマンスを向上させる能力があることを示します。
最後に、他のロボットと共有するために有用だが限られた情報を自律的に選択する通信プロトコルの方法を提案します。

要約(オリジナル)

Autonomous robots have real-world applications in diverse fields, such as mobile manipulation and environmental exploration, and many such tasks benefit from a hands-off approach in terms of human user involvement over a long task horizon. However, the level of autonomy achievable by a deployment is limited in part by the problem definition or task specification required by the system. Task specifications often require technical, low-level information that is unintuitive to describe and may result in generic solutions, burdening the user technically both before and after task completion. In this thesis, we aim to advance task specification abstraction toward the goal of increasing robot autonomy in real-world scenarios. We do so by tackling problems that address several different angles of this goal. First, we develop a way for the automatic discovery of optimal transition points between subtasks in the context of constrained mobile manipulation, removing the need for the human to hand-specify these in the task specification. We further propose a way to automatically describe constraints on robot motion by using demonstrated data as opposed to manually-defined constraints. Then, within the context of environmental exploration, we propose a flexible task specification framework, requiring just a set of quantiles of interest from the user that allows the robot to directly suggest locations in the environment for the user to study. We next systematically study the effect of including a robot team in the task specification and show that multirobot teams have the ability to improve performance under certain specification conditions, including enabling inter-robot communication. Finally, we propose methods for a communication protocol that autonomously selects useful but limited information to share with the other robots.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google