Learning Human-Aware Robot Policies for Adaptive Assistance

要約

人間を効率的、安全、適応的に支援できるロボットの開発は、医療などの実世界のアプリケーションにとって非常に重要です。
これまでの研究では、人間とロボットの相互作用を共同最適化するための集中型システムが想定されていましたが、人間にはタスクの実行方法に関して個人的な好みがあるため、現実世界のシナリオははるかに複雑であると私たちは主張します。
通常、ロボットはこれらの暗黙的な設定に直接アクセスできません。
ただし、効果的な支援を提供するには、ロボットがさまざまなユーザーの個別のニーズや好みを認識し、それに適応できなければなりません。
これらの課題に対処するために、ロボットが人間の意図を推測し、対話を通じて人間の効用について推論する新しいフレームワークを提案します。
私たちのアプローチは 2 つの重要なモジュールを特徴としています。予測モジュールは、ロボット エージェントとユーザー エージェントの間の時空間関係を捕捉する動作予測器であり、人間の行動の予測に貢献します。
ユーティリティ モジュールは、プログレッシブ タス​​ク デモンストレーション サンプリングを通じて、基礎となる人間のユーティリティ機能を推測します。
さまざまなタイプのロボットと支援タスクにわたる広範な実験により、提案されたフレームワークがタスクの成功と効率を高めるだけでなく、ユーザーの満足度も大幅に向上し、よりパーソナライズされた適応性のある支援ロボット システムへの道が開かれることが実証されました。
コードとデモは https://asonin.github.io/Human-Aware-Assistance/ で入手できます。

要約(オリジナル)

Developing robots that can assist humans efficiently, safely, and adaptively is crucial for real-world applications such as healthcare. While previous work often assumes a centralized system for co-optimizing human-robot interactions, we argue that real-world scenarios are much more complicated, as humans have individual preferences regarding how tasks are performed. Robots typically lack direct access to these implicit preferences. However, to provide effective assistance, robots must still be able to recognize and adapt to the individual needs and preferences of different users. To address these challenges, we propose a novel framework in which robots infer human intentions and reason about human utilities through interaction. Our approach features two critical modules: the anticipation module is a motion predictor that captures the spatial-temporal relationship between the robot agent and user agent, which contributes to predicting human behavior; the utility module infers the underlying human utility functions through progressive task demonstration sampling. Extensive experiments across various robot types and assistive tasks demonstrate that the proposed framework not only enhances task success and efficiency but also significantly improves user satisfaction, paving the way for more personalized and adaptive assistive robotic systems. Code and demos are available at https://asonin.github.io/Human-Aware-Assistance/.

arxiv情報

著者 Jason Qin,Shikun Ban,Wentao Zhu,Yizhou Wang,Dimitris Samaras
発行日 2024-12-16 15:56:04+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.RO パーマリンク