Guided Demonstrations Using Automated Excuse Generation

要約

デモンストレーションを通じてロボットにタスクレベルの指示を教えることは、ロボットの環境と対話する能力を拡張するための一般的なツールです。
現在のデモンストレーション システムからの学習は、主にタスク レベルの知識をロボットに抽象化することに焦点を当てていますが、これらのシステムには、ロボットの事前知識を考慮してタスクのどの部分がすでに解決できるかを理解する能力が欠けています。
したがって、これらのシステムでは、不足している部分のデモンストレーションのみを要求するのではなく、完全なタスクのデモンストレーションが必要になりますが、これは煩雑で反復的であり、デモンストレーションを実行してロボットを手伝うことを人々が思いとどまる可能性があります。
したがって、人間からより的を絞ったデモンストレーションを求める手段として、「言い訳」の概念を使用して、現在ロボットが解決できないタスクを解決できるようにするロボットの状態の最小の変化を特定することを提案します。
これらの言い訳は、ロボットの状態に加えられる可能性のある変更を組み合わせて検索し、それを解決できる最小限の変更を選択することによって自動的に生成されます。
これらの言い訳は、この要求された変更を可能にするためにロボットに何をデモンストレーションするかを決定するデモンストレーターのガイダンスとして機能します。これにより、元のタスクを完全にデモンストレーションすることなくロボットが解決できるようになります。
象徴的な状態の説明を使用することで、言い訳を直接伝え、人間のデモンストレーターが直観的に理解できるようになります。
私たちは経験とユーザー調査で、言い訳を使用するとデモンストレーション時間が 54% 短縮され、デモンストレーションのサイズが 74% 削減されることを示しています。

要約(オリジナル)

Teaching task-level directives to robots via demonstration is a popular tool to expand the robot’s capabilities to interact with its environment. While current learning from demonstration systems primarily focuses on abstracting the task-level knowledge to the robot, these systems lack the ability to understand which part of the task can be already solved given the robot’s prior knowledge. Therefore, instead of only requiring demonstrations of the missing pieces, these systems will require a demonstration of the complete task, which is cumbersome, repetitive, and can discourage people from helping the robot by performing the demonstrations. Therefore, we propose to use the notion of ‘excuses’ to identify the smallest change in the robot state that makes a task, currently not solvable by the robot, solvable — as a means to solicit more targeted demonstrations from a human. These excuses are generated automatically using combinatorial search over possible changes that can be made to the robot’s state and choosing the minimum changes that make it solvable. These excuses then serve as guidance for the demonstrator who can use it to decide what to demonstrate to the robot in order to make this requested change possible, thereby making the original task solvable for the robot without having to demonstrate it in its entirety. By working with symbolic state descriptions, the excuses can be directly communicated and intuitively understood by a human demonstrator. We show empirically and in a user study that the use of excuses reduces the demonstration time by 54% and leads to a 74% reduction in demonstration size.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google