Learning and Blending Robot Hugging Behaviors in Time and Space

要約

複数のインタラクションの重ね合わせを含む複雑なインタラクションにおいて適切なロボットの応答を予測できる、模倣学習ベースの物理的な人間とロボットのインタラクション アルゴリズムを紹介します。
私たちが提案したアルゴリズムであるブレンディング ベイジアン インタラクション プリミティブ (B-BIP) を使用すると、複雑なハグ シナリオで応答性の高いインタラクションを実現でき、ハグの動きとタイミングに合わせて往復したり適応したりすることができます。
我々は、このアルゴリズムが以前の研究の一般化であり、元の定式化が単一の相互作用の特定のケースに帰着することを示し、広範なユーザー調査と経験的実験の両方を通じて私たちの方法を評価します。
私たちのアルゴリズムは、既存の最先端の方法と比較した場合、精度、応答性、タイミングに関して、定量的予測誤差が大幅に向上し、参加者のより好ましい反応をもたらします。

要約(オリジナル)

We introduce an imitation learning-based physical human-robot interaction algorithm capable of predicting appropriate robot responses in complex interactions involving a superposition of multiple interactions. Our proposed algorithm, Blending Bayesian Interaction Primitives (B-BIP) allows us to achieve responsive interactions in complex hugging scenarios, capable of reciprocating and adapting to a hugs motion and timing. We show that this algorithm is a generalization of prior work, for which the original formulation reduces to the particular case of a single interaction, and evaluate our method through both an extensive user study and empirical experiments. Our algorithm yields significantly better quantitative prediction error and more-favorable participant responses with respect to accuracy, responsiveness, and timing, when compared to existing state-of-the-art methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google