要約
人間のオペレーターとロボットアームが連携して作業する共有自律方式により、ロボットはさまざまな複雑で変動性の高いタスクを完了できるようになりました。
既存の研究は主に、1 人の人間が 1 台のロボットと自律性を共有することに焦点を当てています。
対照的に、この論文では、同じタスクを並行して完了する 2 台の協調ロボット間で 1 人のオペレータがリアルタイムの修正を行うことを可能にする、マルチロボット共有自律性のアプローチを紹介します。
複数のロボットで自律性を共有するには、根本的な課題が生じます。
人間は一度に 1 台のロボットしか修正できず、調整がなければ人間は長時間放置される可能性があります。
したがって、人間の専門知識を最大限に活用できるようにロボットの学習動作を調整するアプローチを開発します。
私たちの重要なアイデアは、デモンストレーションからの学習 (LfD) とタイム ワーピングを活用して、いつ支援が必要になるかに基づいてロボットの動作をスケジュールすることです。
私たちの方法では、オペレーターのデモンストレーションのばらつきを利用して、共有自律性中にオペレーターが適用する可能性のある修正の種類を特定し、デモンストレーションでのタスクの実行速度の柔軟性を活用してスケジュール設定を支援し、修正が必要になる可能性を反復的に推定して、確実に修正を行うことができます。
1 台のロボットだけが支援を必要とする動作を完了していること。
予備研究を通じて、私たちの方法は、各ロボットが支援を必要とする可能性のある時間を繰り返し推定し、オペレーターがこれらの時間中に各ロボットに修正を提供できる最適化されたスケジュールを生成することにより、研磨に費やす予定時間を短縮できることを示しました。
要約(オリジナル)
Shared autonomy methods, where a human operator and a robot arm work together, have enabled robots to complete a range of complex and highly variable tasks. Existing work primarily focuses on one human sharing autonomy with a single robot. By contrast, in this paper we present an approach for multi-robot shared autonomy that enables one operator to provide real-time corrections across two coordinated robots completing the same task in parallel. Sharing autonomy with multiple robots presents fundamental challenges. The human can only correct one robot at a time, and without coordination, the human may be left idle for long periods of time. Accordingly, we develop an approach that aligns the robot’s learned motions to best utilize the human’s expertise. Our key idea is to leverage Learning from Demonstration (LfD) and time warping to schedule the motions of the robots based on when they may require assistance. Our method uses variability in operator demonstrations to identify the types of corrections an operator might apply during shared autonomy, leverages flexibility in how quickly the task was performed in demonstrations to aid in scheduling, and iteratively estimates the likelihood of when corrections may be needed to ensure that only one robot is completing an action requiring assistance. Through a preliminary study, we show that our method can decrease the scheduled time spent sanding by iteratively estimating the times when each robot could need assistance and generating an optimized schedule that allows the operator to provide corrections to each robot during these times.
arxiv情報
著者 | Michael Hagenow,Emmanuel Senft,Nitzan Orr,Robert Radwin,Michael Gleicher,Bilge Mutlu,Dylan P. Losey,Michael Zinn |
発行日 | 2023-10-25 18:17:13+00:00 |
arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google