Human-robot collaborative transport personalization via Dynamic Movement Primitives and velocity scaling

要約

現在、業界は、特に共有されたタスクに対して、人間とロボットのコラボレーションに関心が高まっています。
これには、タスクの制約と高さや運動の好みなどの人間固有の要因の両方を考慮して、ロボットの動きを計画するためのインテリジェントな戦略が必要です。
この作業では、人間のフィードバックに基づいてリアルタイム速度スケーリングで強化された動的運動プリミティブ（DMP）を使用してパーソナライズされた軌跡を生成するための新しいアプローチを導入します。
この方法は、エンジンカウルリップセクションの共同輸送に焦点を当てた産業用グレードの実験で厳密にテストされました。
DMPで生成された軌跡と最先端のモーションプランナー（BITRRT）の比較分析は、速度スケーリングと組み合わせた適応性を強調しています。
主観的なユーザーフィードバックは、DMPベースの相互作用に対する明確な好みをさらに示しています。
脳と皮膚の活動からの生理学的測定値を含む客観的評価は、これらの発見を強化し、ヒトとロボットの相互作用を強化し、ユーザーエクスペリエンスの向上におけるDMPの利点を示します。

要約(オリジナル)

Nowadays, industries are showing a growing interest in human-robot collaboration, particularly for shared tasks. This requires intelligent strategies to plan a robot’s motions, considering both task constraints and human-specific factors such as height and movement preferences. This work introduces a novel approach to generate personalized trajectories using Dynamic Movement Primitives (DMPs), enhanced with real-time velocity scaling based on human feedback. The method was rigorously tested in industrial-grade experiments, focusing on the collaborative transport of an engine cowl lip section. Comparative analysis between DMP-generated trajectories and a state-of-the-art motion planner (BiTRRT) highlights their adaptability combined with velocity scaling. Subjective user feedback further demonstrates a clear preference for DMP- based interactions. Objective evaluations, including physiological measurements from brain and skin activity, reinforce these findings, showcasing the advantages of DMPs in enhancing human-robot interaction and improving user experience.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google