Online Learning of Human Constraints from Feedback in Shared Autonomy

要約

人間とのリアルタイムのコラボレーションには、さまざまな物理的制約から生じる人間の行動パターンの違いにより課題が生じます。
既存の研究は通常、コラボレーションのための安全制約、またはメインタスクを実行するために参加するエージェント間でサブタスクを分割および分散する方法を学習することに焦点を当てています。
対照的に、私たちは、さまざまな人間のオペレーターの多様な行動をさらに考慮する人間の制約モデルを学習することを提案します。
私たちは、人間のオペレーターと支援ロボットの両方が同じタスク空間で同時に動作し、互いの動作に影響を与える、自律性の共有形式でのコラボレーションの一種を検討します。
支援エージェントの任務は、人間のオペレータの作業負荷を軽減し、不快感を最小限に抑えるという観点から、可能な限り人間をサポートすることで、共有タスクを実行する人間のスキルを強化することです。
したがって、人間の物理的制約を学習して適応し、その動作を人間のオペレーターの人間工学的な好みと制限に合わせて調整できる拡張アシスタント エージェントを提案します。

要約(オリジナル)

Real-time collaboration with humans poses challenges due to the different behavior patterns of humans resulting from diverse physical constraints. Existing works typically focus on learning safety constraints for collaboration, or how to divide and distribute the subtasks between the participating agents to carry out the main task. In contrast, we propose to learn a human constraints model that, in addition, considers the diverse behaviors of different human operators. We consider a type of collaboration in a shared-autonomy fashion, where both a human operator and an assistive robot act simultaneously in the same task space that affects each other’s actions. The task of the assistive agent is to augment the skill of humans to perform a shared task by supporting humans as much as possible, both in terms of reducing the workload and minimizing the discomfort for the human operator. Therefore, we propose an augmentative assistant agent capable of learning and adapting to human physical constraints, aligning its actions with the ergonomic preferences and limitations of the human operator.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google