Incremental Learning for Robot Shared Autonomy

要約

共有された自律性は、支援ロボットアームの使いやすさとアクセシビリティを改善することを約束しますが、現在の方法はしばしば高価な専門家のデモンストレーションに依存しており、展開後に適応する能力を欠いています。
このペーパーでは、ILSAを紹介します。ILSAは、繰り返されるユーザーインタラクションを通じて支援制御ポリシーを継続的に改善する段階的に学習された共有された自律フレームワークです。
ILSAは、初期の事前トレーニングのための合成運動学的軌跡を活用し、専門家のデモンストレーションの必要性を減らし、各操作の相互作用の後にポリシーを段階的に獲得し、漸進的な学習中の既存の知識維持とのバランスをとるメカニズムを備えています。
包括的なアブレーション研究と20人の参加者を対象としたユーザー研究を通じて、複雑な長老タスクのILSAを検証し、定量的パフォーマンスとユーザー報告された定性的メトリックの両方においてその有効性と堅牢性を示しています。
コードとビデオはhttps://ilsa-robo.github.io/で入手できます。

要約(オリジナル)

Shared autonomy holds promise for improving the usability and accessibility of assistive robotic arms, but current methods often rely on costly expert demonstrations and lack the ability to adapt post-deployment. This paper introduces ILSA, an Incrementally Learned Shared Autonomy framework that continually improves its assistive control policy through repeated user interactions. ILSA leverages synthetic kinematic trajectories for initial pretraining, reducing the need for expert demonstrations, and then incrementally finetunes its policy after each manipulation interaction, with mechanisms to balance new knowledge acquisition with existing knowledge retention during incremental learning. We validate ILSA for complex long-horizon tasks through a comprehensive ablation study and a user study with 20 participants, demonstrating its effectiveness and robustness in both quantitative performance and user-reported qualitative metrics. Code and videos are available at https://ilsa-robo.github.io/.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google