Human-Like Robot Impedance Regulation Skill Learning from Human-Human Demonstrations

要約

人間は、パートナー状態の認識とタスク要件に基づいてコンプライアンス行動を規制することにより、物理的に他の人と協力する専門家です。
ロボットが人間のコラボレーションスキルの習熟度を開発できるようにすることで、より効率的な人間ロボットコラボレーション（HRC）を促進できます。
このペーパーでは、複数の物理的共同作業でHRCを達成するための革新的なインピーダンス規制スキル学習フレームワークを紹介します。
このフレームワークは、人間の人間のデモンストレーションによって提供される軌跡を参照することを順守しながら、人間のパートナーの状態にロボットコンプライアンスを調整するように設計されています。
具体的には、人間の筋肉からの筋電図（EMG）シグナルが収集され、分析されて、デモ中にコンプライアンス行動を表す肢のインピーダンスを抽出します。
ヒトエンドポイントの動きは、確率論学習方法を使用してキャプチャおよび表現され、参照軌跡と対応するインピーダンスプロファイルを作成します。
一方、LSTMベースのモジュールが実装され、2人のデモ参加者間の筋肉の相乗的貢献をマッピングすることにより、タスク指向のインピーダンス規制ポリシーを開発します。
最後に、人間のようなロボットの全ボディインピーダンスコントローラーを提案し、タスクの実行中に目的のインピーダンスと参照軌道を実現するためのジョイント出力を調整します。
実験的検証は、コラボレーション輸送タスクと2つのインタラクティブな太極拳のプッシュハンドタスクを通じて実施され、一定のインピーダンス制御方法と比較して、インタラクティブな力の観点から優れたパフォーマンスを実証しました。

要約(オリジナル)

Humans are experts in collaborating with others physically by regulating compliance behaviors based on the perception of their partner states and the task requirements. Enabling robots to develop proficiency in human collaboration skills can facilitate more efficient human-robot collaboration (HRC). This paper introduces an innovative impedance regulation skill learning framework for achieving HRC in multiple physical collaborative tasks. The framework is designed to adjust the robot compliance to the human partner states while adhering to reference trajectories provided by human-human demonstrations. Specifically, electromyography (EMG) signals from human muscles are collected and analyzed to extract limb impedance, representing compliance behaviors during demonstrations. Human endpoint motions are captured and represented using a probabilistic learning method to create reference trajectories and corresponding impedance profiles. Meanwhile, an LSTMbased module is implemented to develop task-oriented impedance regulation policies by mapping the muscle synergistic contributions between two demonstrators. Finally, we propose a wholebody impedance controller for a human-like robot, coordinating joint outputs to achieve the desired impedance and reference trajectory during task execution. Experimental validation was conducted through a collaborative transportation task and two interactive Tai Chi pushing hands tasks, demonstrating superior performance from the perspective of interactive forces compared to a constant impedance control method.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google