要約
このペーパーでは、人間の専門知識をロボットの精度と統合して、ロボットが人間のオペレーターから学んだスキルを自律的に実行できるようにする、テレオ操作(LFT)フレームワークからの学習を紹介します。
提案されたフレームワークは、核廃棄物処理タスクの課題に対処します。これには、多くの場合、反復的で綿密な操作操作が含まれます。
テレオ操作中にオペレーターの動きと操作力をキャプチャすることにより、フレームワークはこのデータを利用して、人間のスキルを複製および一般化できる機械学習モデルを訓練します。
繰り返しがありながら正確な軌道と力制御が必要な代表的なシナリオとして選択された電源プラグ挿入タスクへのアプリケーションを通じて、LFTフレームワークの有効性を検証します。
実験結果は、継続的なオペレーターの関与への依存を減らしながら、タスク効率の大幅な改善を強調しています。
要約(オリジナル)
This paper presents a Learning from Teleoperation (LfT) framework that integrates human expertise with robotic precision to enable robots to autonomously perform skills learned from human operators. The proposed framework addresses challenges in nuclear waste handling tasks, which often involve repetitive and meticulous manipulation operations. By capturing operator movements and manipulation forces during teleoperation, the framework utilizes this data to train machine learning models capable of replicating and generalizing human skills. We validate the effectiveness of the LfT framework through its application to a power plug insertion task, selected as a representative scenario that is repetitive yet requires precise trajectory and force control. Experimental results highlight significant improvements in task efficiency, while reducing reliance on continuous operator involvement.
arxiv情報
著者 | Joong-Ku Lee,Hyeonseok Choi,Young Soo Park,Jee-Hwan Ryu |
発行日 | 2025-04-02 06:46:29+00:00 |
arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google