HARPS: An Online POMDP Framework for Human-Assisted Robotic Planning and Sensing

要約

自律型ロボットは、人間が提供する不確実なタスク環境と状態の意味論的特徴付けから大きな恩恵を受けることができます。
しかし、ロボットがそのような「ソフトデータ」をモデル化し、通信し、行動できるようにする統合戦略の開発は依然として困難です。
ここでは、オンライン サンプリング ベースの POMDP ポリシー、マルチモーダル セマンティック インタラクション、およびベイジアン データの利点を正式に組み合わせることで、これらのギャップに対処するために、ヒューマン ロボット チームにおけるアクティブなセマンティック センシングおよびプランニングのための Human Assisted Robotic Planning and Sensing (HARPS) フレームワークを紹介します。
融合。
このアプローチにより、環境全体で任意のランドマークをスケッチしてラベル付けすることにより、人間は日和見的にモデル構造を課し、不確実な環境でセマンティック ソフト データの範囲を拡張できます。
検索中に環境モデルを動的に更新することで、ロボット エージェントは積極的に人間に新規で関連するセマンティック データを問い合わせることができるため、未知の環境や状態に対する信念が改善され、オンライン プランニングが改善されます。
大規模な部分的に構造化された環境での UAV 対応のターゲット検索アプリケーションのシミュレーションでは、ロボット センシングのみに基づく従来の計画と比較して、迎撃に必要な時間と信念状態の推定が大幅に改善されていることが示されています。
同じ環境 (n = 36) での人間を対象とした研究では、単独のロボットの場合と比較して、動的ターゲットの捕捉率が平均で 2 倍になっていることが示され、さまざまなユーザー特性とインタラクション モダリティにわたるアクティブな確率論的推論とセマンティック センシングの堅牢性が強調されています。

要約(オリジナル)

Autonomous robots can benefit greatly from human-provided semantic characterizations of uncertain task environments and states. However, the development of integrated strategies which let robots model, communicate, and act on such ‘soft data’ remains challenging. Here, the Human Assisted Robotic Planning and Sensing (HARPS) framework is presented for active semantic sensing and planning in human-robot teams to address these gaps by formally combining the benefits of online sampling-based POMDP policies, multimodal semantic interaction, and Bayesian data fusion. This approach lets humans opportunistically impose model structure and extend the range of semantic soft data in uncertain environments by sketching and labeling arbitrary landmarks across the environment. Dynamic updating of the environment model while during search allows robotic agents to actively query humans for novel and relevant semantic data, thereby improving beliefs of unknown environments and states for improved online planning. Simulations of a UAV-enabled target search application in a large-scale partially structured environment show significant improvements in time and belief state estimates required for interception versus conventional planning based solely on robotic sensing. Human subject studies in the same environment (n = 36) demonstrate an average doubling in dynamic target capture rate compared to the lone robot case, and highlight the robustness of active probabilistic reasoning and semantic sensing over a range of user characteristics and interaction modalities.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google