Human-Agent Joint Learning for Efficient Robot Manipulation Skill Acquisition

要約

デモンストレーション収集に遠隔操作システムを採用することで、より効率的にロボット操作を学習できる可能性があります。
しかし、器用なハンドやグリッパーを備えたロボットアームを遠隔操作システムを介して遠隔操作することは、その高次元性、複雑な動作、および生理学的構造の違いにより、重大な課題を引き起こします。
本研究では、人間のオペレータとロボットの間の共同学習のための新しいシステムを紹介します。これにより、人間のオペレータがロボットのエンドエフェクタの制御を学習した支援エージェントと共有できるようになり、人間によるデモンストレーションの収集とロボット操作の同時教示が容易になります。
この設定では、データが蓄積されるにつれて、支援エージェントは徐々に学習します。
その結果、必要な人間の労力と注意が減り、データ収集プロセスの効率が向上します。
また、人間のオペレーターが制御比率を調整して、手動制御と自動制御の間のトレードオフを達成することもできます。
私たちは、シミュレートされた環境と物理的な現実世界の設定の両方で実験を実施しました。
ユーザー調査と定量的評価を通じて、提案されたシステムがデータ収集効率を向上させ、人間による適応の必要性を軽減しながら、収集されたデータが下流のタスクに十分な品質であることを保証できることは明らかです。
ビデオは https://norweig1an.github.io/human-agent-joint-learning.github.io/ でご覧いただけます。

要約(オリジナル)

Employing a teleoperation system for gathering demonstrations offers the potential for more efficient learning of robot manipulation. However, teleoperating a robot arm equipped with a dexterous hand or gripper, via a teleoperation system poses significant challenges due to its high dimensionality, complex motions, and differences in physiological structure. In this study, we introduce a novel system for joint learning between human operators and robots, that enables human operators to share control of a robot end-effector with a learned assistive agent, facilitating simultaneous human demonstration collection and robot manipulation teaching. In this setup, as data accumulates, the assistive agent gradually learns. Consequently, less human effort and attention are required, enhancing the efficiency of the data collection process. It also allows the human operator to adjust the control ratio to achieve a trade-off between manual and automated control. We conducted experiments in both simulated environments and physical real-world settings. Through user studies and quantitative evaluations, it is evident that the proposed system could enhance data collection efficiency and reduce the need for human adaptation while ensuring the collected data is of sufficient quality for downstream tasks. Videos are available at https://norweig1an.github.io/human-agent-joint-learning.github.io/.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google