Learning-based Dynamic Robot-to-Human Handover

要約

このペーパーでは、動的なレシーバーにオブジェクトを配信するという課題に対処する、動的なロボットから人間へのハンドオーバーに対する新しい学習ベースのアプローチを紹介します。
ロボットが受信機の動きに適応する動的なハンドオーバーは、レシーバーが静止していると想定される静的なハンドオーバーと比較して、より効率的で快適な相互作用をもたらすと仮定します。
これを検証するために、レシーバーの動きを条件付けした連続ハンドオーバーモーションを生成するためのノンパラメトリック方法を開発し、1,000人の人間から人間へのハンドオーバーデモンストレーションのデータセットを使用してモデルを訓練しました。
ユーザーの安全性と適応性を確保するために、改善されたハンドオーバーの有効性と適用インピーダンス制御のために優先順位学習を統合しました。
このアプローチは、シミュレーションと現実世界の両方の設定で評価され、ユーザー調査では、動的なハンドオーバーがハンドオーバー時間を大幅に削減し、静的な方法と比較してユーザーの快適性が向上することを実証しました。
私たちのアプローチのビデオとデモンストレーションは、https：//zerotohero7886.github.io/dyn-r2hハンドオーバーで入手できます。

要約(オリジナル)

This paper presents a novel learning-based approach to dynamic robot-to-human handover, addressing the challenges of delivering objects to a moving receiver. We hypothesize that dynamic handover, where the robot adjusts to the receiver’s movements, results in more efficient and comfortable interaction compared to static handover, where the receiver is assumed to be stationary. To validate this, we developed a nonparametric method for generating continuous handover motion, conditioned on the receiver’s movements, and trained the model using a dataset of 1,000 human-to-human handover demonstrations. We integrated preference learning for improved handover effectiveness and applied impedance control to ensure user safety and adaptiveness. The approach was evaluated in both simulation and real-world settings, with user studies demonstrating that dynamic handover significantly reduces handover time and improves user comfort compared to static methods. Videos and demonstrations of our approach are available at https://zerotohero7886.github.io/dyn-r2h-handover .

arxiv情報

提供元, 利用サービス

arxiv.jp, Google