Planning Human-Robot Co-manipulation with Human Motor Control Objectives and Multi-component Reaching Strategies

要約

目標に向けた人間とロボットのインタラクションを成功させるには、ロボットが協力する人間の意図と行動に適応する必要があります。
これは、筋骨格モデルやデータ駆動型の人体モデルによって裏付けられます。前者は人間工学などの下位レベルの機能に限定され、後者は一般化性やデータ効率が限られています。
欠けているのは、一般化可能な人間の行動推定を提供し、ロボットの計画手法に統合できる人間の運動制御モデルを組み込むことです。
私たちは、速度精度と費用対効果のトレードオフに基づいた人間のモーター制御からよく研究されたモデルを使用して、協調ロボットの動作を計画します。
これらのモデルでは、人間の軌跡は目的関数を最小化します。これは、数値軌跡の最適化に適用される定式化です。
これを制約と新しい変数で拡張して、協調的な動作計画と目標推定を実現できます。
我々は、このモデルと複数コンポーネントの動作戦略を、不確実な目標到達タスクおよび同期動作タスクとの物理的連携に導入し、さまざまな条件下で人間のような軌道を生成するアプローチの能力を示します。

要約(オリジナル)

For successful goal-directed human-robot interaction, the robot should adapt to the intentions and actions of the collaborating human. This can be supported by musculoskeletal or data-driven human models, where the former are limited to lower-level functioning such as ergonomics, and the latter have limited generalizability or data efficiency. What is missing, is the inclusion of human motor control models that can provide generalizable human behavior estimates and integrate into robot planning methods. We use well-studied models from human motor control based on the speed-accuracy and cost-benefit trade-offs to plan collaborative robot motions. In these models, the human trajectory minimizes an objective function, a formulation we adapt to numerical trajectory optimization. This can then be extended with constraints and new variables to realize collaborative motion planning and goal estimation. We deploy this model, as well as a multi-component movement strategy, in physical collaboration with uncertain goal-reaching and synchronized motion tasks, showing the ability of the approach to produce human-like trajectories over a range of conditions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google