Robust Body Exposure (RoBE): A Graph-based Dynamics Modeling Approach to Manipulating Blankets over People

要約

ロボット介護者は、身体的支援を必要とする多くの人々の生活の質を向上させる可能性があります。
しかし、ベッドに横たわっている人を支援するためには、ロボットは重大な障害物、つまりほぼ常に人の体を覆う毛布やシーツに対処できなければなりません。
我々は、ベッドに仰向けに横たわっている人々を対象とした寝具操作の方法を提案します。そこでは、最初に布の力学のモデルが学習されます。
次に、このモデルを最適化して、実行時にのみ提供する必要がある人体の形状とポーズに関する情報を使用して、特定のターゲットの手足を明らかにします。
このアプローチにより、シミュレーションおよび現実世界での多数の汎化評価を通じて、幾何学学習および強化学習のベースラインと比較して、変動に対するロバスト性がどのように向上するかを示します。
さらに、12 人の参加者による人間の研究で私たちのアプローチを評価し、モバイルマニピュレーターが人体の形状、サイズ、ポーズ、ブランケット構成の実際の変化に適応して、体の残りの部分を露出させることなくターゲットの体の部分を明らかにできることを実証しました。
ソース コードと補足資料はオンラインで入手できます。

要約(オリジナル)

Robotic caregivers could potentially improve the quality of life of many who require physical assistance. However, in order to assist individuals who are lying in bed, robots must be capable of dealing with a significant obstacle: the blanket or sheet that will almost always cover the person’s body. We propose a method for targeted bedding manipulation over people lying supine in bed where we first learn a model of the cloth’s dynamics. Then, we optimize over this model to uncover a given target limb using information about human body shape and pose that only needs to be provided at run-time. We show how this approach enables greater robustness to variation relative to geometric and reinforcement learning baselines via a number of generalization evaluations in simulation and in the real world. We further evaluate our approach in a human study with 12 participants where we demonstrate that a mobile manipulator can adapt to real variation in human body shape, size, pose, and blanket configuration to uncover target body parts without exposing the rest of the body. Source code and supplementary materials are available online.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google