A framework for training and benchmarking algorithms that schedule robot tasks

要約

サービス ロボットは、人間のような外因性エージェントが生息する変化する環境で動作します。
サービスロボットの分野では、外生的な動作や物体やロボット自体の不正確な位置特定によって多くの不確実性が生じます。
このため、ロボットのタスクのスケジュール設定の問題が困難になります。
この記事では、ロボット タスクをスケジュールするアルゴリズムのパフォーマンスを体系的に評価するためのベンチマーク フレームワークを提案します。
ロボット環境には、部屋、家具、輸送可能な物体、移動する人間のマップが組み込まれています。
フレームワークは、アルゴリズム、実行されるタスク、および評価方法のインターフェイスを定義します。
このシステムは複数のツールで構成されており、AI ベースのスケジューリング アルゴリズムと統計テストをトレーニングするためのテスト シナリオの生成を容易にします。
ベンチマークの目的で、一連のシナリオが選択され、いくつかのスケジューリング アルゴリズムのパフォーマンスが評価されます。
システム ソースは、サービス ロボットのロボット タスク スケジューリング アルゴリズムの調整と比較評価のためにコミュニティに提供するために公開されています。
このフレームワークは、パトロール、人間の転倒支援、および簡素化されたピックアンドプレイスタスクを実行する移動ロボットのスケジュールアルゴリズムの評価によって検証されます。

要約(オリジナル)

Service robots work in a changing environment habited by exogenous agents like humans. In the service robotics domain, lots of uncertainties result from exogenous actions and inaccurate localisation of objects and the robot itself. This makes the robot task scheduling problem challenging. In this article, we propose a benchmarking framework for systematically assessing the performance of algorithms scheduling robot tasks. The robot environment incorporates a map of the room, furniture, transportable objects, and moving humans. The framework defines interfaces for the algorithms, tasks to be executed, and evaluation methods. The system consists of several tools, easing testing scenario generation for training AI-based scheduling algorithms and statistical testing. For benchmarking purposes, a set of scenarios is chosen, and the performance of several scheduling algorithms is assessed. The system source is published to serve the community for tuning and comparable assessment of robot task scheduling algorithms for service robots. The framework is validated by assessment of scheduling algorithms for the mobile robot executing patrol, human fall assistance and simplified pick and place tasks.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google