Surrogate Assisted Generation of Human-Robot Interaction Scenarios

要約

人間とロボットの相互作用（HRI）システムの進歩に伴い、異なる環境、異なるユーザーにおいて、これらのシステムの長所と限界を評価し理解することが困難になってきている。このため、これまでの手法では、共有制御の遠隔操作タスクにおいて、システムの不具合を明らかにする多様なシナリオをアルゴリズムで生成してきました。しかし、これらの手法では、生成されたシナリオをロボットの方針や人間の行動をシミュレートして直接評価する必要があります。このような評価には計算コストがかかるため、より複雑な領域への適用には限界がある。そこで我々は、シナリオ生成システムを、人間とロボットの行動を予測するサロゲートモデルで補強することを提案する。共有制御遠隔操作領域と、より複雑な共有ワークスペース協調タスクにおいて、サロゲート支援シナリオ生成は、困難なシナリオの多様なデータセットを効率的に合成することを示す。また、これらの失敗が実世界のインタラクションにおいて再現可能であることを実証する。

要約(オリジナル)

As human-robot interaction (HRI) systems advance, so does the difficulty of evaluating and understanding the strengths and limitations of these systems in different environments and with different users. To this end, previous methods have algorithmically generated diverse scenarios that reveal system failures in a shared control teleoperation task. However, these methods require directly evaluating generated scenarios by simulating robot policies and human actions. The computational cost of these evaluations limits their applicability in more complex domains. Thus, we propose augmenting scenario generation systems with surrogate models that predict both human and robot behaviors. In the shared control teleoperation domain and a more complex shared workspace collaboration task, we show that surrogate assisted scenario generation efficiently synthesizes diverse datasets of challenging scenarios. We demonstrate that these failures are reproducible in real-world interactions.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL