Attention-based Estimation and Prediction of Human Intent to augment Haptic Glove aided Control of Robotic Hand

要約

この手紙は、対象となる特定のオブジェクトを手に持って操作するロボット ハンド (RH) のハプティック グローブ (HG) ベースの制御に焦点を当てています。
HG と RH の高次元の運動信号は運動学に固有の変動性を持っているため、HG から RH への運動信号の直接マッピングを確立することが困難になります。
ロボットハンドによって保持されている物体の意図された目標姿勢に関連して、ヒューマンコントローラから取得された運動信号を定量化するための推定メカニズムが提案されています。
RH で合成された意図を変換し、オブジェクトを予想されるゴールポーズに再配置できるようにするための制御アルゴリズムが提供されます。
通信遅延が存在する場合の意図の合成の遅れにより、推定された意図を予測する必要が生じます。
アテンションベースの畳み込みニューラル ネットワーク エンコーダーを利用して、遅延を補うために特定の先読みの意図の軌道を予測します。
提案された方法論は、さまざまな形状、質量、材料の物体にわたって評価されます。
5G 駆動の実世界のロボットセットアップにおける推定および予測メカニズムのパフォーマンスをベンチマーク手法と比較して示します。
人間の意図を予測するテスト MSE は、LSTM ベースのベンチマークと比較して、精度が約 97.3 ～ 98.7% 向上すると報告されています。

要約(オリジナル)

The letter focuses on Haptic Glove (HG) based control of a Robotic Hand (RH) executing in-hand manipulation of certain objects of interest. The high dimensional motion signals in HG and RH possess intrinsic variability of kinematics resulting in difficulty to establish a direct mapping of the motion signals from HG onto the RH. An estimation mechanism is proposed to quantify the motion signal acquired from the human controller in relation to the intended goal pose of the object being held by the robotic hand. A control algorithm is presented to transform the synthesized intent at the RH and allow relocation of the object to the expected goal pose. The lag in synthesis of the intent in the presence of communication delay leads to a requirement of predicting the estimated intent. We leverage an attention-based convolutional neural network encoder to predict the trajectory of intent for a certain lookahead to compensate for the delays. The proposed methodology is evaluated across objects of different shapes, mass, and materials. We present a comparative performance of the estimation and prediction mechanisms on 5G-driven real-world robotic setup against benchmark methodologies. The test-MSE in prediction of human intent is reported to yield ~ 97.3 -98.7% improvement of accuracy in comparison to LSTM-based benchmark

arxiv情報

提供元, 利用サービス

arxiv.jp, Google