Extended Reality for Enhanced Human-Robot Collaboration: a Human-in-the-Loop Approach

要約

オートメーションの台頭は、製造工程でより高い効率を達成する機会を提供したが、進化する市場ニーズに迅速に対応し、カスタマイズの需要に応えるために必要な柔軟性は、しばしば損なわれている。人間とロボットのコラボレーションは、機械の強さと精度に人間の創意工夫と知覚的理解を組み合わせることで、これらの課題に取り組もうとするものである。本論文では、ヒューマン・イン・ザ・ループの原理を取り入れ、拡張現実感（Extended Reality：XR）を活用して、人間とロボットとの直感的なコミュニケーションとプログラミングを促進する、機械学習ベースの自律型マニピュレータの実装フレームワークを概念化し、提案する。さらに、このコンセプトフレームワークでは、ロボットの学習プロセスに人間が直接関与することで、より高い適応性とタスクの汎化を実現することを予見している。本稿では、提案するフレームワークを可能にする主要技術に焦点を当て、デジタルエコシステム全体を発展させることの重要性を強調する。さらに、人間とロボットの協働におけるXRの既存の実装アプローチをレビューし、多様な視点と方法論を紹介する。また、産業界においてより自然な人間とロボットの相互作用と統合を実現するためのXRの主な障害と潜在的な研究手段を掘り下げ、課題と将来の展望について議論する。

要約(オリジナル)

The rise of automation has provided an opportunity to achieve higher efficiency in manufacturing processes, yet it often compromises the flexibility required to promptly respond to evolving market needs and meet the demand for customization. Human-robot collaboration attempts to tackle these challenges by combining the strength and precision of machines with human ingenuity and perceptual understanding. In this paper, we conceptualize and propose an implementation framework for an autonomous, machine learning-based manipulator that incorporates human-in-the-loop principles and leverages Extended Reality (XR) to facilitate intuitive communication and programming between humans and robots. Furthermore, the conceptual framework foresees human involvement directly in the robot learning process, resulting in higher adaptability and task generalization. The paper highlights key technologies enabling the proposed framework, emphasizing the importance of developing the digital ecosystem as a whole. Additionally, we review the existent implementation approaches of XR in human-robot collaboration, showcasing diverse perspectives and methodologies. The challenges and future outlooks are discussed, delving into the major obstacles and potential research avenues of XR for more natural human-robot interaction and integration in the industrial landscape.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL