Learning Multimodal Latent Dynamics for Human-Robot Interaction

要約

この記事では、ヒトと人間の相互作用（HHI）から適切に調整された人間のロボット相互作用（HRI）を学習する方法を紹介します。
Hidden Markov Models（HMMS）を使用して、相互作用中のエージェント上の共同分布をモデル化するための潜在的な空間前の潜在空間としてのハイブリッドアプローチを考案します。
HHIから学んだ相互作用のダイナミクスを活用してHRIを学習し、条件付きのロボット運動の条件付き生成をトレーニングに組み込み、それにより、より正確なロボットの軌跡を予測します。
生成されたロボットの動きは、逆運動学にさらに適合して、人間との望ましい物理的近接性を確保し、ジョイントスペースの学習の容易さと正確なタスクスペースの到達可能性を組み合わせています。
接触が豊富な相互作用のために、HMMセグメンテーションを使用して準拠した相互作用を使用してロボットの剛性を調節します。
ユーザー調査を介してヒューマノイドロボットに展開されたアプローチの有効性を確認します。
私たちの方法は、わずか2人の人間からのデータについて訓練されているにもかかわらず、さまざまな人間によく一般的です。
ユーザーは、私たちの方法を、より人間のような、タイムリーで、正確であると認識し、他のベースラインよりも高い程度の好みで方法をランク付けすることがわかります。
さらに、バイナスのロボットから人間のハンドオーバーのより複雑なシナリオで、成功した相互作用を生成するアプローチの能力を示しています。

要約(オリジナル)

This article presents a method for learning well-coordinated Human-Robot Interaction (HRI) from Human-Human Interactions (HHI). We devise a hybrid approach using Hidden Markov Models (HMMs) as the latent space priors for a Variational Autoencoder to model a joint distribution over the interacting agents. We leverage the interaction dynamics learned from HHI to learn HRI and incorporate the conditional generation of robot motions from human observations into the training, thereby predicting more accurate robot trajectories. The generated robot motions are further adapted with Inverse Kinematics to ensure the desired physical proximity with a human, combining the ease of joint space learning and accurate task space reachability. For contact-rich interactions, we modulate the robot’s stiffness using HMM segmentation for a compliant interaction. We verify the effectiveness of our approach deployed on a Humanoid robot via a user study. Our method generalizes well to various humans despite being trained on data from just two humans. We find that users perceive our method as more human-like, timely, and accurate and rank our method with a higher degree of preference over other baselines. We additionally show the ability of our approach to generate successful interactions in a more complex scenario of Bimanual Robot-to-Human Handovers.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google