A Framework for Learning Behavior Trees in Collaborative Robotic Applications

要約

現代の産業用協働ロボット アプリケーションでは、ロボット プログラムを自動的に、直感的に、時間効率よく作成することが望まれます。
さらに、ロボットは、動作する環境の予測不可能性に直面するために、反応的なポリシーによって制御される必要があります。この論文では、デモから行動ツリー (BT) を学習する方法と、遺伝的プログラミングでそれらを進化させる方法を組み合わせたフレームワークを提案します。
(GP) 共同ロボット アプリケーション用。
このホワイト ペーパーの主な貢献は、2 つの学習方法を組み合わせることで、専門家ではないユーザーが半自動的に、時間効率よく、インタラクティブに BT を生成できるようにする方法が得られることを示すことです。
一連の操作実験でフレームワークを検証します。
BT はシミュレーションで完全に学習された後、実際の協働ロボットに転送されます。

要約(オリジナル)

In modern industrial collaborative robotic applications, it is desirable to create robot programs automatically, intuitively, and time-efficiently. Moreover, robots need to be controlled by reactive policies to face the unpredictability of the environment they operate in. In this paper we propose a framework that combines a method that learns Behavior Trees (BTs) from demonstration with a method that evolves them with Genetic Programming (GP) for collaborative robotic applications. The main contribution of this paper is to show that by combining the two learning methods we obtain a method that allows non-expert users to semi-automatically, time-efficiently, and interactively generate BTs. We validate the framework with a series of manipulation experiments. The BT is fully learnt in simulation and then transferred to a real collaborative robot.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google