Learning Human-Robot Handshaking Preferences for Quadruped Robots

要約

四足ロボットは、現実世界をナビゲートするための素晴らしい能力を示しています。
人間が社会にさらに統合されるようになれば、人間との交流における社会的信頼がますます重要になるでしょう。
さらに、ロボットは、個人の好みに基づいてさまざまな人間に適応できる必要があります。
この研究では、ユーザーの好みに基づいて四足ロボットの最適なハンドシェイクを学習する社会的インタラクション タスクを研究します。
3 本の脚でバランスを維持しながら、振幅、周波数、硬さ、持続時間で構成される中央パターン ジェネレーターを使用してハンドシェイクをパラメーター化します。
握手間の 10 の二者択一を通じて、25 の異なる主題に対する個人の好みに適合する信念モデルを学習します。
私たちの結果は、これが効果的な戦略であることを示しており、ユーザーの 76% が特定された最適なハンドシェイク パラメーターに満足しており、20% がどちらでもないと感じています。
さらに、ランダム ハンドシェイクやテスト ハンドシェイクと比較して、最適化されたハンドシェイクでは振幅と周波数のエラーが大幅に減少し、ダイナミック タイム ワーピング スコアが低くなり、エネルギー効率が向上しました。これらはすべて、ロボットがユーザーの好みに同期していることを示しています。
ビデオ結果は https://youtu.be/elvPv8mq1KM でご覧いただけます。

要約(オリジナル)

Quadruped robots are showing impressive abilities to navigate the real world. If they are to become more integrated into society, social trust in interactions with humans will become increasingly important. Additionally, robots will need to be adaptable to different humans based on individual preferences. In this work, we study the social interaction task of learning optimal handshakes for quadruped robots based on user preferences. While maintaining balance on three legs, we parameterize handshakes with a Central Pattern Generator consisting of an amplitude, frequency, stiffness, and duration. Through 10 binary choices between handshakes, we learn a belief model to fit individual preferences for 25 different subjects. Our results show that this is an effective strategy, with 76% of users feeling happy with their identified optimal handshake parameters, and 20% feeling neutral. Moreover, compared with random and test handshakes, the optimized handshakes have significantly decreased errors in amplitude and frequency, lower Dynamic Time Warping scores, and improved energy efficiency, all of which indicate robot synchronization to the user’s preferences. Video results can be found at https://youtu.be/elvPv8mq1KM .

arxiv情報

提供元, 利用サービス

arxiv.jp, Google