Towards Proactive Safe Human-Robot Collaborations via Data-Efficient Conditional Behavior Prediction

要約

私たちは、特に既存のデータがまばらなシナリオにおいて、ロボットが人間のパートナーとシームレスに連携できるようにするにはどうすればよいかという問題に焦点を当てています。
人間とロボットのコラボレーションにおけるこれまでの研究の多くは、ロボットの行動を選択するために人間の観察モデル（つまり、ロボットを純粋に観察者として扱うモデル）を使用していましたが、そのようなモデルではロボットが人間の行動に与える影響を考慮していません。
非効率的なやり取りにつながります。
代わりに、ロボットの将来の行動に依存する人間の条件付きモデルに基づいて、協働ロボットの行動を最適に選択する問題を定式化します。
まず、データが少ない環境においてロボットが将来計画に基づいて人間の意図を推測できるようにする、条件付き行動予測の新しいモデルベースの定式化を提案します。
次に、プロアクティブな目標選択と人間の協力者の周りの安全な軌道生成のために条件付きモデルを利用する方法を示します。
最後に、提案したプロアクティブ コントローラーを実際のユーザーとの共同作業で使用し、ロボット コラボレーターとユーザーのインタラクションを量的および質的に改善できることを示します。

要約(オリジナル)

We focus on the problem of how we can enable a robot to collaborate seamlessly with a human partner, specifically in scenarios where preexisting data is sparse. Much prior work in human-robot collaboration uses observational models of humans (i.e. models that treat the robot purely as an observer) to choose the robot’s behavior, but such models do not account for the influence the robot has on the human’s actions, which may lead to inefficient interactions. We instead formulate the problem of optimally choosing a collaborative robot’s behavior based on a conditional model of the human that depends on the robot’s future behavior. First, we propose a novel model-based formulation of conditional behavior prediction that allows the robot to infer the human’s intentions based on its future plan in data-sparse environments. We then show how to utilize a conditional model for proactive goal selection and safe trajectory generation around human collaborators. Finally, we use our proposed proactive controller in a collaborative task with real users to show that it can improve users’ interactions with a robot collaborator quantitatively and qualitatively.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google