On Multi-Fidelity Impedance Tuning for Human-Robot Cooperative Manipulation

要約

以前の実験からの入出力データが利用可能な場合に、ヒューマン ロボット インタラクション (HRI) システムをどのように設計できるかを検討します。
特に、新規オペレータとの協調操作課題における支援設計において、最適なインピーダンスをどのように選択するかを検討する。
個人間のばらつきのため、ロボットのあるオペレータに最適な設計パラメータが、別のオペレータにとって最適なパラメータであるとは限りません。
ただし、線形自己回帰 (AR-1) ガウス プロセスを使用して履歴データを組み込むことにより、新しいオペレーターの最適なパラメーターの検索を加速できます。
入出力データのみを必要とする人とロボットの協調操作を最適化するためのフレームワークを構築します。
AR-1 モデルがどのようにリグレスの限界を改善するかを確立し、人間とロボットの協調操作タスクを数値的にシミュレートしてリグレスの改善を示します。
さらに、追加の数値研究を通じて、私たちのアプローチの入出力の性質がモデル化誤差に対する堅牢性をどのように提供するかを示します。

要約(オリジナル)

We examine how a human-robot interaction (HRI) system may be designed when input-output data from previous experiments are available. In particular, we consider how to select an optimal impedance in the assistance design for a cooperative manipulation task with a new operator. Due to the variability between individuals, the design parameters that best suit one operator of the robot may not be the best parameters for another one. However, by incorporating historical data using a linear auto-regressive (AR-1) Gaussian process, the search for a new operator’s optimal parameters can be accelerated. We lay out a framework for optimizing the human-robot cooperative manipulation that only requires input-output data. We establish how the AR-1 model improves the bound on the regret and numerically simulate a human-robot cooperative manipulation task to show the regret improvement. Further, we show how our approach’s input-output nature provides robustness against modeling error through an additional numerical study.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google