Fast Explicit-Input Assistance for Teleoperation in Clutter

要約

ロボットの遠隔操作のための予測に基づくアシストの性能は、見えない環境やゴールの多い環境では、不正確な、あるいは急速に変化する意図の推論により低下する。予測精度が低いと、操作者が混乱したり、暗黙のうちに目標を伝えるために操作入力を変更してしまい、不自然な動きになってしまう。我々は、ロボット操作のための新しいアシスタンスアルゴリズムとインタフェースを提示し、操作者がエンドエフェクタを向けることによって操作目標を明示的に伝えることができるようにする。ポインティングされたターゲット周辺の局所領域における高速な最適化と並列衝突チェックにより、把持候補とプレースポーズ候補に対する直接的でインタラクティブな制御が可能になる。我々は、被験者内ユーザ調査（N=20）において、明示的なポインティングインターフェースと、暗黙的な推論に基づくアシストスキームを比較した。その結果、オペレータは明示的インタフェースを好むことがわかり、完了時間、ピック＆プレイス成功率、NASA TLXスコアが向上した。我々のコードはhttps://github.com/NVlabs/fast-explicit-teleop。

要約(オリジナル)

The performance of prediction-based assistance for robot teleoperation degrades in unseen or goal-rich environments due to incorrect or quickly-changing intent inferences. Poor predictions can confuse operators or cause them to change their control input to implicitly signal their goal, resulting in unnatural movement. We present a new assistance algorithm and interface for robotic manipulation where an operator can explicitly communicate a manipulation goal by pointing the end-effector. Rapid optimization and parallel collision checking in a local region around the pointing target enable direct, interactive control over grasp and place pose candidates. We compare the explicit pointing interface to an implicit inference-based assistance scheme in a within-subjects user study (N=20) where participants teleoperate a simulated robot to complete a multi-step singulation and stacking task in cluttered environments. We find that operators prefer the explicit interface, which improved completion time, pick and place success rates, and NASA TLX scores. Our code is available at https://github.com/NVlabs/fast-explicit-teleop

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL