論文の概要: Proactive Human-Robot Co-Assembly: Leveraging Human Intention Prediction and Robust Safe Control

• arxiv url: http://arxiv.org/abs/2306.11862v1
• Date: Tue, 20 Jun 2023 19:42:30 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-22 15:57:06.575511
• Title: Proactive Human-Robot Co-Assembly: Leveraging Human Intention Prediction and Robust Safe Control
• Title（参考訳）: アクティブな人間-ロボット共組:人間の意図予測とロバスト安全制御を活用する
• Authors: Ruixuan Liu, Rui Chen, Abulikemu Abuduweili, Changliu Liu
• Abstract要約: 本稿では,プロアクティブなロボット協調のための統合フレームワークを提案する。 頑健な意図予測モジュールが学習され、ロボットに効率的な協調を誘導する。 開発したフレームワークは,Kinova Gen3ロボットを用いた協調作業に適用される。
• 参考スコア（独自算出の注目度）: 9.041172869437382
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Human-robot collaboration (HRC) is one key component to achieving flexible manufacturing to meet the different needs of customers. However, it is difficult to build intelligent robots that can proactively assist humans in a safe and efficient way due to several challenges.First, it is challenging to achieve efficient collaboration due to diverse human behaviors and data scarcity. Second, it is difficult to ensure interactive safety due to uncertainty in human behaviors. This paper presents an integrated framework for proactive HRC. A robust intention prediction module, which leverages prior task information and human-in-the-loop training, is learned to guide the robot for efficient collaboration. The proposed framework also uses robust safe control to ensure interactive safety under uncertainty. The developed framework is applied to a co-assembly task using a Kinova Gen3 robot. The experiment demonstrates that our solution is robust to environmental changes as well as different human preferences and behaviors. In addition, it improves task efficiency by approximately 15-20%. Moreover, the experiment demonstrates that our solution can guarantee interactive safety during proactive collaboration.
• Abstract（参考訳）: ヒューマンロボットコラボレーション(HRC)は、顧客のニーズに応じて柔軟な製造を実現するための重要なコンポーネントのひとつです。 しかし、いくつかの課題により、人間の安全かつ効率的な支援を積極的に行う知的ロボットの構築は困難であり、まず、多様な人間の行動やデータ不足による効率的なコラボレーションを実現することが困難である。 第二に、人間の行動の不確実性による対話的安全性を確保することは困難である。 本稿では,プロアクティブHRCのための統合フレームワークを提案する。 事前のタスク情報とループ内トレーニングを活用する頑健な意図予測モジュールを学習し,ロボットの効率的な協調を指導する。 提案フレームワークはロバストなセーフコントロールを使用して、不確実性下でのインタラクティブな安全性を保証する。 開発したフレームワークは,Kinova Gen3ロボットを用いた協調作業に適用される。 この実験は、我々のソリューションが環境の変化や人間の好みや行動に頑健であることを示します。 さらに,タスク効率を約15～20%向上させる。 また,提案手法は協調作業時の安全性を保証できることを示した。

関連論文リスト

• Constrained Human-AI Cooperation: An Inclusive Embodied Social Intelligence Challenge [47.74313897705183]
  CHAICは、インボディードエージェントの社会的知覚と協力をテストするために設計された包括的インボディード・ソーシャル・インテリジェンス・チャレンジである。 CHAICの目標は、身体的制約の下で活動している可能性がある人間を支援するために、自我中心の観察装置を備えたエンボディエージェントである。 我々は,この課題に対する計画ベースラインと学習ベースラインのベンチマークを行い,大規模言語モデルと行動モデリングを活用した新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-11-04T04:41:12Z)
• 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)
• Optimising Human-AI Collaboration by Learning Convincing Explanations [62.81395661556852]
  本研究では,人間による意思決定によって安全を保ちながら協調的なシステムを構築する手法を提案する。 Ardentは、説明のための個人の好みに適応することで、効率的で効果的な意思決定を可能にする。
  論文  参考訳（メタデータ） (2023-11-13T16:00:16Z)
• Habitat 3.0: A Co-Habitat for Humans, Avatars and Robots [119.55240471433302]
  Habitat 3.0は、家庭環境における協調ロボットタスクを研究するためのシミュレーションプラットフォームである。 複雑な変形可能な体と外観と運動の多様性をモデル化する際の課題に対処する。 Human-in-the-loopインフラストラクチャは、マウス/キーボードまたはVRインターフェースを介してシミュレーションされたロボットとの実際のヒューマンインタラクションを可能にする。
  論文  参考訳（メタデータ） (2023-10-19T17:29:17Z)
• Quantifying Assistive Robustness Via the Natural-Adversarial Frontier [40.125563987538044]
  RIGIDは、ロボット報酬の最小化と人間の行動とをトレードオフする対人政策の訓練方法である。 補助ギムタスクでは、RIGIDを用いて、標準的な協調強化学習のパフォーマンスを分析する。 また,フロンティアのRIGIDを,専門家の対人インタラクションで特定された障害と,ユーザインタラクション中に自然に発生する障害とを比較した。
  論文  参考訳（メタデータ） (2023-10-16T17:34:54Z)
• Safe Multimodal Communication in Human-Robot Collaboration [12.688356318251763]
  音声コマンドとジェスチャーコマンドのマルチモーダル融合を利用して,人間とロボット間のマルチチャネル通信を実現するフレームワークを提案する。 このフレームワークは比較実験を通じて検証され、マルチモーダル通信のおかげで、ロボットは必要なタスクを実行するための貴重な情報を抽出できることを示した。
  論文  参考訳（メタデータ） (2023-08-07T16:08:21Z)
• PECAN: Leveraging Policy Ensemble for Context-Aware Zero-Shot Human-AI Coordination [52.991211077362586]
  本研究では,集団におけるパートナーの多様性を高めるための政策アンサンブル手法を提案する。 そこで我々は,egoエージェントがパートナーの潜在的ポリシープリミティブを分析し,識別するためのコンテキスト認識手法を開発した。 このようにして、エゴエージェントは多様なパートナーとの共同作業において、より普遍的な協調行動を学ぶことができる。
  論文  参考訳（メタデータ） (2023-01-16T12:14:58Z)
• Intuitive and Efficient Human-robot Collaboration via Real-time Approximate Bayesian Inference [4.310882094628194]
  コラボレーションロボットとエンドツーエンドAIは、工場や倉庫における人間のタスクの柔軟な自動化を約束する。 人間とコボットは互いに協力します。 これらのコラボレーションが効果的で安全であるためには、ロボットは人間の意図をモデル化し、予測し、活用する必要がある。
  論文  参考訳（メタデータ） (2022-05-17T23:04:44Z)
• SERA: Safe and Efficient Reactive Obstacle Avoidance for Collaborative Robotic Planning in Unstructured Environments [1.5229257192293197]
  本稿では,リアクティブな全身障害物回避手法を提案する。 ロボットアームは、直接接触することなく、任意の3次元形状の障害物を積極的に回避することができる。 本手法は,非定常環境における安全ロボット協調のための堅牢で効果的なソリューションを提供する。
  論文  参考訳（メタデータ） (2022-03-24T21:11:43Z)
• Co-GAIL: Learning Diverse Strategies for Human-Robot Collaboration [51.268988527778276]
  本研究では,人間とロボットの協調実験から人間とロボットの協調政策を学習する手法を提案する。 本手法は対話型学習プロセスにおけるヒューマンポリシーとロボットポリシーを協調的に最適化する。
  論文  参考訳（メタデータ） (2021-08-13T03:14:43Z)
• Show Me What You Can Do: Capability Calibration on Reachable Workspace for Human-Robot Collaboration [83.4081612443128]
  本稿では,REMPを用いた短時間キャリブレーションにより,ロボットが到達できると考える非専門家と地道とのギャップを効果的に埋めることができることを示す。 この校正手順は,ユーザ認識の向上だけでなく,人間とロボットのコラボレーションの効率化にも寄与することを示す。
  論文  参考訳（メタデータ） (2021-03-06T09:14:30Z)

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。