要約
ロボット工学は過去数十年にわたり人気の研究分野であり、製造や物流などの産業用途で多くの成功を収めてきました。
この成功は、明確に定義されたユースケースと制御された動作環境によって導かれました。
しかし、ロボット工学は国内環境ではまだ大きな影響を及ぼしていません。
これは、人間が住むさまざまな住宅や環境で成功し、人間のすぐ近くで安全に動作できる大量生産ロボットの設計の難しさと複雑さに部分的に起因します。
この論文では、家庭を対象としたロボット シナリオでの安全な探索と学習を可能にするコンテキスト アフォーダンスの使用について検討します。
特に、コンテキスト アフォーダンスをより大きな状態空間に拡張できる単純な状態表現を提案し、アフォーダンスがシミュレーションにおける強化学習アルゴリズムの成功率と収束率をどのように向上できるかを示します。
私たちの結果は、さらなる反復の後、実際のロボットマニピュレーターでのこのアプローチの実装を検討できることを示唆しています。
さらに、長期的には、この研究は、複雑な家庭環境における人間とロボットの相互作用の将来の探求の基礎となる可能性があります。
最先端のロボットマニピュレータが、この論文で説明されているアフォーダンスに必要なレベルの器用さを達成すれば、これが可能になる可能性があります。
要約(オリジナル)
Robotics has been a popular field of research in the past few decades, with much success in industrial applications such as manufacturing and logistics. This success is led by clearly defined use cases and controlled operating environments. However, robotics has yet to make a large impact in domestic settings. This is due in part to the difficulty and complexity of designing mass-manufactured robots that can succeed in the variety of homes and environments that humans live in and that can operate safely in close proximity to humans. This paper explores the use of contextual affordances to enable safe exploration and learning in robotic scenarios targeted in the home. In particular, we propose a simple state representation that allows us to extend contextual affordances to larger state spaces and showcase how affordances can improve the success and convergence rate of a reinforcement learning algorithm in simulation. Our results suggest that after further iterations, it is possible to consider the implementation of this approach in a real robot manipulator. Furthermore, in the long term, this work could be the foundation for future explorations of human-robot interactions in complex domestic environments. This could be possible once state-of-the-art robot manipulators achieve the required level of dexterity for the described affordances in this paper.
arxiv情報
著者 | William Z. Ye,Eduardo B. Sandoval,Pamela Carreno-Medrano,Francisco Cru |
発行日 | 2024-05-10 12:12:38+00:00 |
arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google