Fast Explicit-Input Assistance for Teleoperation in Clutter

要約

ロボット遠隔操作のための予測ベースの支援のパフォーマンスは、目に見えない環境や目標が豊富な環境では、誤ったまたは急速に変化する意図推論によりパフォーマンスが低下します。
予測が不十分だと、オペレーターが混乱したり、暗黙的に目標を示すために制御入力を変更したりする可能性があります。
我々は、オペレーターがエンドエフェクターを指すことによって操作目標を明示的に伝えることができる、ロボット操作のための新しい支援インターフェースを提案します。
ポインティング ターゲットは、ローカル ポーズの生成と最適化のための領域を指定し、ポーズ候補の把握と配置に対する対話型の制御を提供します。
私たちは、被験者内ユーザー研究 (N=20) において、明示的なポインティング インターフェイスと暗黙的な推論ベースの支援スキームを比較します。この研究では、参加者がシミュレートされたロボットを遠隔操作して、雑然とした環境で複数ステップの単体化とスタッキングのタスクを完了します。
オペレーターは明示的なインターフェイスを好み、ピッキングの失敗が少なく、認知作業負荷が低いと報告していることがわかりました。
コードは https://github.com/NVlabs/fast-explicit-teleop から入手できます。

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. We present a new assistance interface for robotic manipulation where an operator can explicitly communicate a manipulation goal by pointing the end-effector. The pointing target specifies a region for local pose generation and optimization, providing interactive control over grasp and placement 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, experience fewer pick failures and report lower cognitive workload. 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, Google