Incorporating Human Path Preferences in Robot Navigation with Minimal Interventions

要約

行動から人間の意図を効果的に理解できるロボットは、人間とロボットのコラボレーションを成功させるために不可欠です。
この作業では、障害物の存在下で特定のパスに対する人間の好みを考慮しながら、未知の目標に向かってナビゲートするロボットの課題に取り組みます。
この問題は、目標とパスの優先順位の両方が先験的に不明な場合に特に困難です。
この課題を克服するために、空間のポリトープへの分割を使用してオンラインでパス設定をエンコードおよび推測する方法を提案します。
私たちのアプローチは、人間の確率的観測モデルを使用して、目標と経路の好みに関する共同推論を可能にします。
人間の介入がまばらな未知の目標ナビゲーション問題でこの方法を評価し、人間の入力がますますまばらになるにつれて、ベースラインアプローチよりも優れていることがわかりました。
ロボットの信念を更新するのに必要な時間は、環境の複雑さによって増加しないことがわかりました。これにより、私たちの方法はオンライン アプリケーションに適しています。

要約(オリジナル)

Robots that can effectively understand human intentions from actions are crucial for successful human-robot collaboration. In this work, we address the challenge of a robot navigating towards an unknown goal while also accounting for a human’s preference for a particular path in the presence of obstacles. This problem is particularly challenging when both the goal and path preference are unknown a priori. To overcome this challenge, we propose a method for encoding and inferring path preference online using a partitioning of the space into polytopes. Our approach enables joint inference over the goal and path preference using a stochastic observation model for the human. We evaluate our method on an unknown-goal navigation problem with sparse human interventions, and find that it outperforms baseline approaches as the human’s inputs become increasingly sparse. We find that the time required to update the robot’s belief does not increase with the complexity of the environment, which makes our method suitable for online applications.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google