Relevance for Human Robot Collaboration

要約

関連情報に選択的に焦点を当てる人間の能力に触発されたこのペーパーでは、人間とロボットコラボレーション（HRC）の新しい次元削減プロセスである関連性を紹介します。
私たちのアプローチには、継続的に動作する知覚モジュールが組み込まれ、シーン内のキューの十分性を評価し、柔軟な定式化と計算フレームワークを適用します。
関連性を正確かつ効率的に定量化するために、シーンの継続的な認識を維持し、関連性の決定を選択的にトリガーするイベントベースのフレームワークを開発しました。
このフレームワーク内で、さまざまな要因を考慮し、新しい構造化されたシーンの表現に基づいて構築される確率論的方法論を開発しました。
シミュレーション結果は、関連性フレームワークと方法論が一般的なHRCセットアップの関連性を正確に予測し、0.99の精度、0.94、F1スコア0.96、およびオブジェクト比0.94を達成することを示しています。
関連性をHRCのいくつかの領域に広く適用して、穀物タスクの純粋な計画と比較してタスク計画時間を79.56％正確に改善し、オブジェクト検出器の認識遅延を最大26.53％削減し、HRCの安全性を最大13.50％改善し、HRCの問い合わせ数を80.84％削減します。
現実世界のデモンストレーションは、日常のタスクで人間をインテリジェントに、そしてシームレスに支援する関連フレームワークの能力を紹介します。

要約(オリジナル)

Inspired by the human ability to selectively focus on relevant information, this paper introduces relevance, a novel dimensionality reduction process for human-robot collaboration (HRC). Our approach incorporates a continuously operating perception module, evaluates cue sufficiency within the scene, and applies a flexible formulation and computation framework. To accurately and efficiently quantify relevance, we developed an event-based framework that maintains a continuous perception of the scene and selectively triggers relevance determination. Within this framework, we developed a probabilistic methodology, which considers various factors and is built on a novel structured scene representation. Simulation results demonstrate that the relevance framework and methodology accurately predict the relevance of a general HRC setup, achieving a precision of 0.99, a recall of 0.94, an F1 score of 0.96, and an object ratio of 0.94. Relevance can be broadly applied to several areas in HRC to accurately improve task planning time by 79.56% compared with pure planning for a cereal task, reduce perception latency by up to 26.53% for an object detector, improve HRC safety by up to 13.50% and reduce the number of inquiries for HRC by 80.84%. A real-world demonstration showcases the relevance framework’s ability to intelligently and seamlessly assist humans in everyday tasks.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google