Proximal Control of UAVs with Federated Learning for Human-Robot Collaborative Domains

要約

ヒューマン ロボット インタラクション (HRI) は、成長している研究分野です。
HRI では、複雑なコマンド (アクション) の分類はまだ未解決の問題であり、通常、そのような技術の実際の適用を妨げています。
文献には、ニューラル ネットワークを使用してこれらのアクションを検出するいくつかの作品が紹介されています。
しかし、特に無人航空機 (UAV) を使用する場合、ロボットの移動中、人間のオペレーターはロボットの視野から外れることが多いため、オクルージョンは HRI において依然として大きな問題です。
さらに、複数のロボットのシナリオでは、分散トレーニングも未解決の問題です。
この意味で、この研究は、3つの密に接続された層と関連付けられた2つの層を備えた長短期記憶(LSTM)ディープニューラルネットワークと、複数のドローンに埋め込まれたフェデレーテッドラーニング(FL)に基づいた行動認識および制御アプローチを提案します。
FL により、私たちのアプローチを分散方式でトレーニングできるようになりました。つまり、クラウドや他のリポジトリを必要とせずにデータにアクセスできるため、マルチロボット システムの学習が容易になります。
さらに、当社のマルチロボットアプローチの結果は、オクルージョン状況も防止し、実際のロボットを使った実験では 96% を超える精度を達成しました。

要約(オリジナル)

The human-robot interaction (HRI) is a growing area of research. In HRI, complex command (action) classification is still an open problem that usually prevents the real applicability of such a technique. The literature presents some works that use neural networks to detect these actions. However, occlusion is still a major issue in HRI, especially when using uncrewed aerial vehicles (UAVs), since, during the robot’s movement, the human operator is often out of the robot’s field of view. Furthermore, in multi-robot scenarios, distributed training is also an open problem. In this sense, this work proposes an action recognition and control approach based on Long Short-Term Memory (LSTM) Deep Neural Networks with two layers in association with three densely connected layers and Federated Learning (FL) embedded in multiple drones. The FL enabled our approach to be trained in a distributed fashion, i.e., access to data without the need for cloud or other repositories, which facilitates the multi-robot system’s learning. Furthermore, our multi-robot approach results also prevented occlusion situations, with experiments with real robots achieving an accuracy greater than 96%.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google