Enhanced Human-Robot Collaboration using Constrained Probabilistic Human-Motion Prediction

要約

人間の動作予測は、人間とロボットの効率的かつ安全なコラボレーションにとって不可欠なステップです。
現在の手法は、何らかの形式のニューラル ネットワーク ベースのアーキテクチャで人間の関節を表現することに純粋に依存しているか、人間の動きを含むモデルをキャプチャすることを期待して、オフラインで回帰モデルを使用してハイパーパラメーターを適合させています。
これらの方法は良好な初期結果を提供しますが、よく研究された人体の運動学モデルや、これらの予測フレームワークの有効性を高めるのに役立つ身体とシーンの制約を活用すると同時に、ありえない人体の関節構成を明示的に回避する機会を逃しています。
我々は、人間の関節制約とシーン制約をガウス過程回帰（GPR）モデルに組み込んで、設定された期間にわたる人間の動きを予測する、新しい人間の動き予測フレームワークを提案します。
この定式化は、オンラインのコンテキスト認識型制約モデルと組み合わされて、タスク依存のモーションを活用します。
これは人間の腕の運動学モデルでテストされ、UR5 ロボット アームを使用した人間とロボットの協調セットアップに実装されて、アプローチのリアルタイム機能を実証します。
シミュレーションは、HA4M や ANDY などのデータセットでも実行されました。
シミュレーションと実験の結果は、これらの制約を明示的に考慮した場合、ガウス プロセス フレームワークで大幅な改善が見られることを示しています。

要約(オリジナル)

Human motion prediction is an essential step for efficient and safe human-robot collaboration. Current methods either purely rely on representing the human joints in some form of neural network-based architecture or use regression models offline to fit hyper-parameters in the hope of capturing a model encompassing human motion. While these methods provide good initial results, they are missing out on leveraging well-studied human body kinematic models as well as body and scene constraints which can help boost the efficacy of these prediction frameworks while also explicitly avoiding implausible human joint configurations. We propose a novel human motion prediction framework that incorporates human joint constraints and scene constraints in a Gaussian Process Regression (GPR) model to predict human motion over a set time horizon. This formulation is combined with an online context-aware constraints model to leverage task-dependent motions. It is tested on a human arm kinematic model and implemented on a human-robot collaborative setup with a UR5 robot arm to demonstrate the real-time capability of our approach. Simulations were also performed on datasets like HA4M and ANDY. The simulation and experimental results demonstrate considerable improvements in a Gaussian Process framework when these constraints are explicitly considered.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google