Arc-Length-Based Warping for Robot Skill Synthesis from Multiple Demonstrations

要約

Roboticsでは、デモンストレーション（LFD）からの学習は、同じタスクの複数のデモンストレーションを使用して、ロボットにスキルを転送することを目指しています。
これらのデモンストレーションは、一貫したスキル表現を抽出するために記録および処理されます。
このプロセスでは、通常、動的タイムワーピング（DTW）などの手法を通じて時間的整列が必要です。
この論文では、信号のアークレングスパラメーター化を提供することにより、軌跡の時間非依存のアライメントを可能にするロボット軌道向けに特別に設計された空間サンプリング（SS）という名前の新しいアルゴリズムを検討します。
このアプローチは、一時的なアライメントの必要性を排除し、特に記録された動きが断続的な動きまたは極端に変化する速度の影響を受ける場合、スキル表現の精度と堅牢性を高めます。これは、運動学の教育に基づく操作の一般的な特性であり、オペレーターはエンド効果器をスムーズに誘導するのが困難になる可能性があります。
これを証明するために、ロボット録音のカスタム公開されたデータセットを構築して、実際の動きをテストしました。ここでは、ユーザーは同じ幾何学的パスを複数回追跡します。
SSは、（i）軌道同期と（ii）抽出されたスキルの品質に関して、最先端のアルゴリズムに対するより良いパフォーマンスを示しています。

要約(オリジナル)

In robotics, Learning from Demonstration (LfD) aims to transfer skills to robots by using multiple demonstrations of the same task. These demonstrations are recorded and processed to extract a consistent skill representation. This process typically requires temporal alignment through techniques such as Dynamic Time Warping (DTW). In this paper, we consider a novel algorithm, named Spatial Sampling (SS), specifically designed for robot trajectories, that enables time-independent alignment of the trajectories by providing an arc-length parametrization of the signals. This approach eliminates the need for temporal alignment, enhancing the accuracy and robustness of skill representation, especially when recorded movements are subject to intermittent motions or extremely variable speeds, a common characteristic of operations based on kinesthetic teaching, where the operator may encounter difficulties in guiding the end-effector smoothly. To prove this, we built a custom publicly available dataset of robot recordings to test real-world movements, where the user tracks the same geometric path multiple times, with motion laws that vary greatly and are subject to starting and stopping. The SS demonstrates better performances against state-of-the-art algorithms in terms of (i) trajectory synchronization and (ii) quality of the extracted skill.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google