Surrogate Assisted Generation of Human-Robot Interaction Scenarios

要約

ヒューマン ロボット インタラクション (HRI) システムが進歩するにつれて、さまざまな環境やさまざまなユーザーにおけるこれらのシステムの長所と限界を評価し、理解することも難しくなります。
この目的を達成するために、これまでの方法では、共有制御遠隔操作タスクにおけるシステム障害を明らかにするさまざまなシナリオがアルゴリズムによって生成されてきました。
ただし、これらの方法では、ロボットのポリシーと人間の行動をシミュレートすることによって、生成されたシナリオを直接評価する必要があります。
これらの評価の計算コストにより、より複雑なドメインへの適用性が制限されます。
したがって、人間とロボットの両方の行動を予測する代理モデルを使用してシナリオ生成システムを強化することを提案します。
共有制御遠隔操作ドメインとより複雑な共有ワークスペースコラボレーションタスクにおいて、サロゲート支援シナリオ生成により、困難なシナリオの多様なデータセットが効率的に合成されることを示します。
私たちは、これらの失敗が現実世界のインタラクションで再現可能であることを実証します。

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, Google