Verifiable Learned Behaviors via Motion Primitive Composition: Applications to Scooping of Granular Media

要約

自然言語入力からリアルタイムで確実に動作を生成できるロボット動作モデルは、システムの柔軟性が強化されるため、産業用ロボットの導入を大幅に促進します。
これらの取り組みを促進するために、自然言語抽象化ツールによって作成された学習された動作が構築によって検証できるフレームワークを構築します。
モーション プリミティブと確率的検証における最近の進歩を活用して、提供されたモーション プリミティブに対して有向グラフを合成することによって動作を生成する自然言語動作アブストラクターを構築します。
これらのコンポーネントのモーション プリミティブが指定した基準に従って構築されている場合、結果の動作は確率的に検証可能です。
私たちは、この検証可能な動作生成能力を、探査タスクでのシミュレーションと、粒状媒体をすくうロボットを使用したハードウェアでの両方で実証します。

要約(オリジナル)

A robotic behavior model that can reliably generate behaviors from natural language inputs in real time would substantially expedite the adoption of industrial robots due to enhanced system flexibility. To facilitate these efforts, we construct a framework in which learned behaviors, created by a natural language abstractor, are verifiable by construction. Leveraging recent advancements in motion primitives and probabilistic verification, we construct a natural-language behavior abstractor that generates behaviors by synthesizing a directed graph over the provided motion primitives. If these component motion primitives are constructed according to the criteria we specify, the resulting behaviors are probabilistically verifiable. We demonstrate this verifiable behavior generation capacity in both simulation on an exploration task and on hardware with a robot scooping granular media.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google