Naturalistic Robot Arm Trajectory Generation via Representation Learning

要約

家庭環境へのマニピュレータ ロボットの統合は、より予測可能で人間に近いロボット動作の必要性を示唆しています。
これは、麻痺のある人の自立をサポートできる車椅子に搭載された支援ロボットに特に当てはまります。
自然な動きの軌跡を生成する 1 つの方法は、人間のデモンストレーターを模倣することです。
この論文では、飲酒補助タスクのための自己回帰時空間グラフ ニューラル ネットワークを使用した自己教師あり模倣学習方法を検討します。
私たちは、アクションフリーのタスクのデモンストレーションとして、人間の腕に装着したウェアラブル IMU センサーを介してキャプチャされたさまざまな人間の動作軌跡データからの学習に取り組みます。
数人の参加者から観察されたアーム動作データは、UR5e ロボット アームの自然で機能的な飲酒動作の軌道を生成するために使用されます。

要約(オリジナル)

The integration of manipulator robots in household environments suggests a need for more predictable and human-like robot motion. This holds especially true for wheelchair-mounted assistive robots that can support the independence of people with paralysis. One method of generating naturalistic motion trajectories is via the imitation of human demonstrators. This paper explores a self-supervised imitation learning method using an autoregressive spatio-temporal graph neural network for an assistive drinking task. We address learning from diverse human motion trajectory data that were captured via wearable IMU sensors on a human arm as the action-free task demonstrations. Observed arm motion data from several participants is used to generate natural and functional drinking motion trajectories for a UR5e robot arm.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google