Real Evaluations Tractability using Continuous Goal-Directed Actions in Smart City Applications

要約

スマート シティ アプリケーションの最も重要な課題の 1 つは、専門家以外のユーザーと対話できるようにシステムを適応させることです。
ロボット模倣フレームワークは、ユーザーがデモンストレーションを通じて直接プログラミングできるようにすることで、ロボットのプログラミングを簡素化し、時間を短縮することを目的としています。
古典的なフレームワークでは、アクションは関節またはデカルト空間の軌道を使用してモデル化されます。
視覚的な特徴など、他の特徴は、これらの純粋な幾何学的なアプローチでは必ずしもうまく表現できるとは限りません。
Continuous Goal-Directed Actions (CGDA) は、環境から抽出できる機能の変更としてアクションをエンコードするため、これらの方法の代替手段です。
この結果、実行のためのロボットの関節軌道は、この特徴に依存しないエンコーディングに準拠するように完全に計算される必要があります。
これは進化アルゴリズム (EA) を使用して実現されますが、通常、実際のロボットでこの進化ス​​テップを実行するには非常に多くの評価が必要になります。
現在の戦略には、シミュレーションで評価を実行し、最終的な関節軌道を実際のロボットに転送することが含まれます。
スマート シティ アプリケーションには、非常に動的で複雑な環境での作業が含まれますが、正確なモデルを常に実現できるとは限りません。
私たちの目標は、現実世界のシナリオでこれらの評価を直接実行する際の扱いやすさを研究することです。
EA を使用して評価の数を削減する 2 つの異なるアプローチが提案され、比較されます。
最初のアプローチでは、CGDA 内で粒子群最適化 (PSO) ベースの手法、つまりナイーブ PSO、フィットネス継承 PSO (FI-PSO)、PSO を使用した適応型ファジーフィットネスグラニュレーション (AFFG-PSO) が研究され、比較されました。
2 番目のアプローチでは、CGDA 内での幾何学的制約と速度制約の導入を研究しました。
両方のアプローチの効果は、CGDA が一般的に研究する 2 つのユースケースであるワックスとペイントのアクションで分析および比較されました。
この論文の結果は、評価数の重要な減少を示しています。

要約(オリジナル)

One of the most important challenges of Smart City Applications is to adapt the system to interact with non-expert users. Robot imitation frameworks aim to simplify and reduce times of robot programming by allowing users to program directly through demonstrations. In classical frameworks, actions are modeled using joint or Cartesian space trajectories. Other features, such as visual ones, are not always well represented with these pure geometrical approaches. Continuous Goal-Directed Actions (CGDA) is an alternative to these methods, as it encodes actions as changes of any feature that can be extracted from the environment. As a consequence of this, the robot joint trajectories for execution must be fully computed to comply with this feature-agnostic encoding. This is achieved using Evolutionary Algorithms (EA), which usually requires too many evaluations to perform this evolution step in the actual robot. Current strategies involve performing evaluations in a simulation, transferring the final joint trajectory to the actual robot. Smart City applications involve working in highly dynamic and complex environments, where having a precise model is not always achievable. Our goal is to study the tractability of performing these evaluations directly in a real-world scenario. Two different approaches to reduce the number of evaluations using EA, are proposed and compared. In the first approach, Particle Swarm Optimization (PSO)-based methods have been studied and compared within CGDA: naive PSO, Fitness Inheritance PSO (FI-PSO), and Adaptive Fuzzy Fitness Granulation with PSO (AFFG-PSO). The second approach studied the introduction of geometrical and velocity constraints within CGDA. The effects of both approaches were analyzed and compared in the wax and paint actions, two CGDA commonly studied use cases. Results from this paper depict an important reduction in the number of evaluations.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google