Assessing Similarity Measures for the Evaluation of Human-Robot Motion Correspondence

要約

ヒューマン・ロボット・インタラクションにおける重要な研究分野の 1 つは、人間とロボットの対応関係の問題を解決することです。これは、人間とロボットが異なる力学および運動学的構造を持っている場合に、ロボットが人間の動きのデモンストレーションを再現する方法をどのように学習できるかを問うものです。
これらの対応問題の解決策を評価するには、多くの場合、設計と管理に時間がかかる定性的調査の使用が必要になります。
さらに、定性調査の結果は調査参加者の母集団によって異なります。
この論文では、これらの定性的調査を補完するために、動きの対応を評価するための定量的評価指標として、異種の時系列類似性尺度の使用を提案します。
これらの対策の適切性を評価するために、行動クローニングに基づく動作対応モデルを開発し、定量的尺度だけでなく定性的調査によって評価します。
得られた類似性スコアを人間の調査結果と比較することにより、グロモフ動的タイムワーピングが動きの対応を評価するための有望な定量的尺度であることを特定します。

要約(オリジナル)

One key area of research in Human-Robot Interaction is solving the human-robot correspondence problem, which asks how a robot can learn to reproduce a human motion demonstration when the human and robot have different dynamics and kinematic structures. Evaluating these correspondence problem solutions often requires the use of qualitative surveys that can be time consuming to design and administer. Additionally, qualitative survey results vary depending on the population of survey participants. In this paper, we propose the use of heterogeneous time-series similarity measures as a quantitative evaluation metric for evaluating motion correspondence to complement these qualitative surveys. To assess the suitability of these measures, we develop a behavioral cloning-based motion correspondence model, and evaluate it with a qualitative survey as well as quantitative measures. By comparing the resulting similarity scores with the human survey results, we identify Gromov Dynamic Time Warping as a promising quantitative measure for evaluating motion correspondence.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google