3HANDS Dataset: Learning from Humans for Generating Naturalistic Handovers with Supernumerary Robotic Limbs

要約

超数のロボット肢（SRL）は、ユーザーの体と密接に統合されたロボット構造であり、人間の物理的能力を増強し、シームレスで自然主義的な人間の相互作用を必要とします。
物理的なタスクにおける効果的な支援のために、SRLが人間にオブジェクトを引き渡すことを可能にすることが重要です。
しかし、ロボット向けのヒューリスティックベースのポリシーの設計は時間がかかり、タスク全体で一般化することが困難であり、人間のような動きが少なくなります。
適切なデータセットでトレーニングされる場合、生成モデルは、自然主義的なハンドオーバー動作を作成するための強力な代替品です。
3handsを紹介します。これは、毎日のアクティビティを実行する参加者と、自然主義的な方法でヒップに取り付けられたSRLを制定する別の参加者との間のオブジェクトハンドオーバー相互作用の新しいデータセットを紹介します。
3handsは、SRL相互作用のユニークな特性をキャプチャします。非対称オブジェクトの起源、暗黙のモーションの同期、およびハンドオーバー中の主要なタスクへのユーザーの関与を備えた親密な個人空間で動作します。
データセットの有効性を実証するために、3つのモデルを提示します。1つは自然主義的なハンドオーバー軌道を生成するモデル、適切なハンドオーバーエンドポイントを決定するもの、およびハンドオーバーを開始する瞬間を予測する3つ目です。
ユーザー調査（n = 10）では、ベースラインと比較して、実行されたハンドオーバー相互作用をメソッドと比較します。
この調査結果は、私たちの方法が、より自然で、身体的に要求が少なく、より快適であると認識されていることを示しています。

要約(オリジナル)

Supernumerary robotic limbs (SRLs) are robotic structures integrated closely with the user’s body, which augment human physical capabilities and necessitate seamless, naturalistic human-machine interaction. For effective assistance in physical tasks, enabling SRLs to hand over objects to humans is crucial. Yet, designing heuristic-based policies for robots is time-consuming, difficult to generalize across tasks, and results in less human-like motion. When trained with proper datasets, generative models are powerful alternatives for creating naturalistic handover motions. We introduce 3HANDS, a novel dataset of object handover interactions between a participant performing a daily activity and another participant enacting a hip-mounted SRL in a naturalistic manner. 3HANDS captures the unique characteristics of SRL interactions: operating in intimate personal space with asymmetric object origins, implicit motion synchronization, and the user’s engagement in a primary task during the handover. To demonstrate the effectiveness of our dataset, we present three models: one that generates naturalistic handover trajectories, another that determines the appropriate handover endpoints, and a third that predicts the moment to initiate a handover. In a user study (N=10), we compare the handover interaction performed with our method compared to a baseline. The findings show that our method was perceived as significantly more natural, less physically demanding, and more comfortable.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google