論文の概要: Human operator cognitive availability aware Mixed-Initiative control
- arxiv url: http://arxiv.org/abs/2108.11885v1
- Date: Thu, 26 Aug 2021 16:21:56 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-27 16:07:44.362863
- Title: Human operator cognitive availability aware Mixed-Initiative control
- Title(参考訳): 混合開始制御を考慮した人間のオペレータ認知能力
- Authors: Giannis Petousakis, Manolis Chiou, Grigoris Nikolaou, Rustam Stolkin
- Abstract要約: 本稿では,遠隔操作型移動ロボットのための認知アベイラビリティAware Mixed-Initiative Controllerを提案する。
コントローラは、AIまたは人間の操作者によって起動される異なるレベルの自律性(LOA)の動的切り替えを可能にする。
遠隔ロボットによる探査作業を人間オペレーターが行う災害対応実験において、制御器の評価を行う。
- 参考スコア(独自算出の注目度): 1.155258942346793
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper presents a Cognitive Availability Aware Mixed-Initiative
Controller for remotely operated mobile robots. The controller enables dynamic
switching between different levels of autonomy (LOA), initiated by either the
AI or the human operator. The controller leverages a state-of-the-art computer
vision method and an off-the-shelf web camera to infer the cognitive
availability of the operator and inform the AI-initiated LOA switching. This
constitutes a qualitative advancement over previous Mixed-Initiative (MI)
controllers. The controller is evaluated in a disaster response experiment, in
which human operators have to conduct an exploration task with a remote robot.
MI systems are shown to effectively assist the operators, as demonstrated by
quantitative and qualitative results in performance and workload. Additionally,
some insights into the experimental difficulties of evaluating complex MI
controllers are presented.
- Abstract(参考訳): 本稿では,遠隔操作型移動ロボットのための認知アベイラビリティAware Mixed-Initiative Controllerを提案する。
コントローラは、AIまたは人間のオペレータによって起動される異なるレベルの自律性(LOA)間の動的切り替えを可能にする。
コントローラは、最先端のコンピュータビジョン方法と市販のウェブカメラを活用して、オペレータの認知的可用性を推測し、AI開始のLOAスイッチングを通知する。
これは、以前のMixed-Initiative (MI)コントローラに対する定性的進歩を構成する。
このコントローラは、遠隔ロボットで人間のオペレーターが探索タスクを行なわなければならない災害対応実験で評価される。
MIシステムは演算子を効果的に支援し、性能と作業負荷の量的および質的な結果によって示される。
さらに,複雑なmiコントローラを評価する実験的な難しさについて考察する。
関連論文リスト
- Human-Agent Joint Learning for Efficient Robot Manipulation Skill Acquisition [48.65867987106428]
本稿では,人間とロボットの協調学習システムについて紹介する。
これにより、ロボットエンドエフェクターの制御を学習支援エージェントと共有することができる。
これにより、ダウンストリームタスクにおいて、収集されたデータが十分な品質であることを保証しながら、人間の適応の必要性を減らすことができる。
論文 参考訳(メタデータ) (2024-06-29T03:37:29Z) - Exploring of Discrete and Continuous Input Control for AI-enhanced
Assistive Robotic Arms [5.371337604556312]
協調ロボットは、オブジェクトの把握や操作といったタスクのために、複数の自由度(DoF)を管理する必要がある。
本研究は,3種類の入力デバイスを,支援ロボットのための確立されたXRフレームワークに統合することによって探索する。
論文 参考訳(メタデータ) (2024-01-13T16:57:40Z) - LPAC: Learnable Perception-Action-Communication Loops with Applications
to Coverage Control [80.86089324742024]
本稿では,その問題に対する学習可能なパーセプション・アクション・コミュニケーション(LPAC)アーキテクチャを提案する。
CNNは局所認識を処理する。グラフニューラルネットワーク(GNN)はロボットのコミュニケーションを促進する。
評価の結果,LPACモデルは標準分散型および集中型カバレッジ制御アルゴリズムよりも優れていた。
論文 参考訳(メタデータ) (2024-01-10T00:08:00Z) - Stabilizing Contrastive RL: Techniques for Robotic Goal Reaching from
Offline Data [101.43350024175157]
自己指導型学習は、制御戦略を学ぶのに必要な人間のアノテーションとエンジニアリングの労力を減らす可能性がある。
我々の研究は、強化学習(RL)自体が自己監督的な問題であることを示す先行研究に基づいている。
コントラスト学習に基づく自己教師付きRLアルゴリズムは,実世界の画像に基づくロボット操作タスクを解くことができることを示す。
論文 参考訳(メタデータ) (2023-06-06T01:36:56Z) - Incremental procedural and sensorimotor learning in cognitive humanoid
robots [52.77024349608834]
本研究は,手順を段階的に学習する認知エージェントを提案する。
各サブステージで必要とされる認知機能と, エージェントが未解決の課題に, 新たな機能の追加がどう対処するかを示す。
結果は、このアプローチが複雑なタスクを段階的に解くことができることを示している。
論文 参考訳(メタデータ) (2023-04-30T22:51:31Z) - 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) - Simulation of robot swarms for learning communication-aware coordination [0.0]
我々は、全能集中型コントローラから得られる局所的な観測を入力として、エンドツーエンドのニューラルネットワークを訓練する。
実験は、平面ロボットの高性能オープンソースシミュレータであるEnkiで実施されている。
論文 参考訳(メタデータ) (2023-02-25T17:17:40Z) - A Hierarchical Variable Autonomy Mixed-Initiative Framework for
Human-Robot Teaming in Mobile Robotics [1.4777718769290527]
本稿では,遠隔操作者とAIエージェント間の制御権限伝達の問題に対処するためのMIフレームワークを提案する。
我々の階層的エキスパート誘導混合開始制御スイッチ(HierEMICS)は、人間のオペレータの状態と意図に関する情報を活用する。
結果は、HierEMICSは人間とAIエージェントの制御のための紛争を減らすことを示唆している。
論文 参考訳(メタデータ) (2022-11-25T13:25:16Z) - Learning to Control Complex Robots Using High-Dimensional Interfaces:
Preliminary Insights [22.719193009150867]
7自由度ロボットアームを制御するための入力として、モーションセンサーで捉えた上半身の限られた動きを探索する。
密度の高いセンサ信号でさえ、信頼性の高い高次元ロボット制御に必要な健全な情報や独立性を欠いている可能性がある。
論文 参考訳(メタデータ) (2021-10-09T23:38:22Z) - Data-driven Koopman Operators for Model-based Shared Control of
Human-Machine Systems [66.65503164312705]
本稿では,データ駆動型共有制御アルゴリズムを提案する。
ユーザのインタラクションに関するダイナミクスと情報は、Koopman演算子を使用して観察から学習される。
モデルに基づく共有制御は、自然な学習やユーザのみの制御パラダイムと比較して、タスクとコントロールのメトリクスを著しく改善する。
論文 参考訳(メタデータ) (2020-06-12T14:14:07Z)
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。