Enabling Robots to Identify Missing Steps in Robot Tasks for Guided Learning from Demonstration

要約

Learning from Demonstration (LfD) システムは、ユーザーが提供したデモンストレーションから一連のスキルを生成することで、ロボットに新しいタスクを教えるために一般的に使用されます。
これらのスキルは、複雑なタスクを実行するためのアルゴリズムを計画することによって順序付けできます。
ただし、LfD システムでは通常、タスクの一部がすでにロボットに認識されている場合でも、タスク全体の完全なデモンストレーションが必要です。
この制限は、システムがどのサブタスクがすでに使い慣れているのかを認識できないことから生じており、ユーザーにとって反復的で負担のかかるデモンストレーション プロセスにつながっています。
この論文では、タスク全体の目標とロボットの既存のスキルを考慮して、ロボットがタスクのどの部分をすでに知っているかを識別できるようにすることで、この負担を軽減するガイド付きデモンストレーションの新しい方法を紹介します。
特に、この方法は、組み合わせ検索を通じて、ロボットが現在の知識でタスクを解決できるようにする、初期タスク条件の必要最小限の変更を見つけます。
この状態をエクスキューズ状態といいます。
人間のデモンストレーターは、タスク全体をデモンストレーションするのではなく、言い訳状態 (サブタスクの欠落) に到達する方法を教えるだけで済みます。
実証結果とパイロット ユーザー調査によると、私たちの方法によりデモンストレーション時間が 61% 短縮され、デモンストレーションのサイズが 72% 縮小されることが示されています。

要約(オリジナル)

Learning from Demonstration (LfD) systems are commonly used to teach robots new tasks by generating a set of skills from user-provided demonstrations. These skills can then be sequenced by planning algorithms to execute complex tasks. However, LfD systems typically require a full demonstration of the entire task, even when parts of it are already known to the robot. This limitation comes from the system’s inability to recognize which sub-tasks are already familiar, leading to a repetitive and burdensome demonstration process for users. In this paper, we introduce a new method for guided demonstrations that reduces this burden, by helping the robot to identify which parts of the task it already knows, considering the overall task goal and the robot’s existing skills. In particular, through a combinatorial search, the method finds the smallest necessary change in the initial task conditions that allows the robot to solve the task with its current knowledge. This state is referred to as the excuse state. The human demonstrator is then only required to teach how to reach the excuse state (missing sub-task), rather than demonstrating the entire task. Empirical results and a pilot user study show that our method reduces demonstration time by 61% and decreases the size of demonstrations by 72%.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google