論文の概要: Assistive VR Gym: Interactions with Real People to Improve Virtual Assistive Robots

• arxiv url: http://arxiv.org/abs/2007.04959v2
• Date: Wed, 22 Jul 2020 13:11:42 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-12 05:25:59.123283
• Title: Assistive VR Gym: Interactions with Real People to Improve Virtual Assistive Robots
• Title（参考訳）: vrジムのバーチャルアシスタント:現実の人との対話でバーチャルアシスタントロボットを改善する
• Authors: Zackory Erickson, Yijun Gu, Charles C. Kemp
• Abstract要約: 本稿では,現実の人が仮想支援ロボットと対話できるAVR Gymについて紹介する。 Gym以前、私たちは4つのロボット介護タスクのシミュレーションのみにロボット制御ポリシー(Original Policies)を訓練しました。 Gymで、私たちはRevised Policiesを開発しました。
• 参考スコア（独自算出の注目度）: 5.68318211919798
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Versatile robotic caregivers could benefit millions of people worldwide, including older adults and people with disabilities. Recent work has explored how robotic caregivers can learn to interact with people through physics simulations, yet transferring what has been learned to real robots remains challenging. Virtual reality (VR) has the potential to help bridge the gap between simulations and the real world. We present Assistive VR Gym (AVR Gym), which enables real people to interact with virtual assistive robots. We also provide evidence that AVR Gym can help researchers improve the performance of simulation-trained assistive robots with real people. Prior to AVR Gym, we trained robot control policies (Original Policies) solely in simulation for four robotic caregiving tasks (robot-assisted feeding, drinking, itch scratching, and bed bathing) with two simulated robots (PR2 from Willow Garage and Jaco from Kinova). With AVR Gym, we developed Revised Policies based on insights gained from testing the Original policies with real people. Through a formal study with eight participants in AVR Gym, we found that the Original policies performed poorly, the Revised policies performed significantly better, and that improvements to the biomechanical models used to train the Revised policies resulted in simulated people that better match real participants. Notably, participants significantly disagreed that the Original policies were successful at assistance, but significantly agreed that the Revised policies were successful at assistance. Overall, our results suggest that VR can be used to improve the performance of simulation-trained control policies with real people without putting people at risk, thereby serving as a valuable stepping stone to real robotic assistance.
• Abstract（参考訳）: 世界中の高齢者や障害のある人など、何百万人もの人たちの恩恵を受けることができる。 最近の研究は、物理シミュレーションを通じてロボットの介護者が人との対話を学べる方法を探っているが、実際のロボットに何を学んだかはいまだに難しい。 仮想現実(VR)は、シミュレーションと現実世界のギャップを埋める可能性を持っている。 そこで本研究では,現実の人が仮想アシストロボットと対話できるvr体育館(avr体育館)を提案する。 また,avr体育館は,実人とのシミュレーション学習支援ロボットの性能向上に役立つことを示す。 avrジムに先立ち、私たちはロボット制御政策(オリジナルポリシー)を2つのシミュレーションロボット(ウィロウガレージのpr2とキノヴァのjaco)で4つのロボット介護タスク(ロボットによる摂食、飲酒、かゆみ、入浴)のシミュレーションのみに訓練しました。 AVR Gymでは,実際の人とのオリジナルポリシーのテストから得られた洞察に基づいて,改訂ポリシーを開発した。 avr体育館の8名の参加者による公式研究により, 当初の方針が不十分であり, 改訂方針が著しく改善され, 改良された方針を訓練するためのバイオメカニカルモデルが改良され, 実際の参加者に合致するシミュレートされた人々が得られた。 特に、参加者は元来の政策が援助で成功したことに大きく反対したが、修正された政策が援助で成功したことに大きく同意した。 全体として、vrは実際の人間を危険にさらすことなく、シミュレーションで訓練された制御ポリシーのパフォーマンスを向上させるために利用することができることを示唆しています。

関連論文リスト

• Robot Air Hockey: A Manipulation Testbed for Robot Learning with Reinforcement Learning [34.055177769808914]
  本稿では,ロボットエアホッケーに基づく動的対話型RLテストベッドを提案する。 我々のテストベッドは、RL能力の様々な評価を可能にします。 ロボットのエアホッケーテストベッドは、3つのドメインでシミュレート・トゥ・リアル・トランスファーをサポートする。
  論文  参考訳（メタデータ） (2024-05-06T02:13:08Z)
• CoBOS: Constraint-Based Online Scheduler for Human-Robot Collaboration [3.3148826359547523]
  本稿では,リアクティブ実行制御フレームワークを用いたオンライン制約ベースのスケジューリング手法を提案する。 これにより、ロボットは(人間によって)遅延した活動完了や活動選択などの不確実な事象に適応することができる。 作業条件の改善に加えて,本アルゴリズムは極めて不確実なシナリオにおいても,効率の向上につながる。
  論文  参考訳（メタデータ） (2024-03-27T11:18:01Z)
• Expressive Whole-Body Control for Humanoid Robots [20.132927075816742]
  我々は、人間の動きをできるだけリアルに模倣するために、人間サイズのロボットで全身制御ポリシーを学習する。 シミュレーションとSim2Real転送のトレーニングにより、私たちのポリシーはヒューマノイドロボットを制御して、さまざまなスタイルで歩いたり、人と握手したり、現実世界で人間と踊ったりできる。
  論文  参考訳（メタデータ） (2024-02-26T18:09:24Z)
• HomeRobot: Open-Vocabulary Mobile Manipulation [107.05702777141178]
  Open-Vocabulary Mobile Manipulation (OVMM) は、目に見えない環境で任意のオブジェクトを選択し、命令された場所に配置する問題である。 HomeRobotには2つのコンポーネントがある。シミュレーションコンポーネントは、新しい高品質のマルチルームホーム環境に、大規模で多様なキュレートされたオブジェクトセットを使用する。
  論文  参考訳（メタデータ） (2023-06-20T14:30:32Z)
• Quality-Diversity Optimisation on a Physical Robot Through Dynamics-Aware and Reset-Free Learning [4.260312058817663]
  本研究では,リセットフリーQD(RF-QD)アルゴリズムを用いて,物理ロボット上で直接コントローラを学習する。 本手法は,ロボットと環境との相互作用から学習したダイナミクスモデルを用いて,ロボットの動作を予測する。 RF-QDには、ロボットが外を歩いたときに安全なゾーンに戻すリカバリポリシーも含まれており、継続的な学習を可能にしている。
  論文  参考訳（メタデータ） (2023-04-24T13:24:00Z)
• Learning Human-to-Robot Handovers from Point Clouds [63.18127198174958]
  視覚に基づく人間ロボットハンドオーバの制御ポリシーを学習する最初のフレームワークを提案する。 シミュレーションベンチマーク,sim-to-sim転送,sim-to-real転送において,ベースラインよりも大きな性能向上を示した。
  論文  参考訳（メタデータ） (2023-03-30T17:58:36Z)
• Self-Improving Robots: End-to-End Autonomous Visuomotor Reinforcement Learning [54.636562516974884]
  模倣と強化学習において、人間の監督コストは、ロボットが訓練できるデータの量を制限する。 本研究では,自己改善型ロボットシステムのための新しい設計手法であるMEDAL++を提案する。 ロボットは、タスクの実施と解除の両方を学ぶことで、自律的にタスクを練習し、同時にデモンストレーションから報酬関数を推論する。
  論文  参考訳（メタデータ） (2023-03-02T18:51:38Z)
• Learning Representations that Enable Generalization in Assistive Tasks [45.62648124988644]
  本稿では,ロボットがユーザの支援を行う支援タスクにおける一般化の実現に焦点をあてる。 環境(あるいは人口)パラメータを符号化し、ロボットが単独で行うタスクでうまく機能するsim2realメソッドは、支援においてうまく機能しない。
  論文  参考訳（メタデータ） (2022-12-05T18:59:16Z)
• DeXtreme: Transfer of Agile In-hand Manipulation from Simulation to Reality [64.51295032956118]
  我々は人型ロボットの手で頑健な操作を行える政策を訓練する。 本研究は,各種ハードウェアおよびシミュレータのデクスタラス操作におけるsim-to-real転送の可能性を再確認する。
  論文  参考訳（メタデータ） (2022-10-25T01:51:36Z)
• Human-to-Robot Imitation in the Wild [50.49660984318492]
  本研究では,第三者の視点からの学習を中心に,効率的なワンショットロボット学習アルゴリズムを提案する。 実世界における20種類の操作タスクを含む,ワンショットの一般化と成功を示す。
  論文  参考訳（メタデータ） (2022-07-19T17:59:59Z)
• Sim2Real for Peg-Hole Insertion with Eye-in-Hand Camera [58.720142291102135]
  シミュレーションを用いてペグホール挿入問題を学習し,学習したモデルを実ロボットに転送する。 本稿では,RGB-Dとジョイント情報(プロレセプション)のみを取り入れたトランスファーポリシーが,実際のロボットに対して良好に動作することを示す。
  論文  参考訳（メタデータ） (2020-05-29T05:58:54Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。