論文の概要: A behavioural transformer for effective collaboration between a robot
and a non-stationary human
- arxiv url: http://arxiv.org/abs/2307.13447v1
- Date: Tue, 25 Jul 2023 12:19:35 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-26 17:16:03.164780
- Title: A behavioural transformer for effective collaboration between a robot
and a non-stationary human
- Title（参考訳）: ロボットと非定常人間との効果的な協調のための行動トランスフォーマー
- Authors: Ruaridh Mon-Williams, Theodoros Stouraitis and Sethu Vijayakumar
- Abstract要約: 人間とロボットのコラボレーションの鍵となる課題は、人間の行動の変化によって生まれる非定常性である。
本稿では,ロボットが人間の行動をより正確に予測する方法を探求する,原則的メタラーニングフレームワークを提案する。
本研究では,ロボットエージェントが新しいエージェントに迅速に適応できる条件変換器Behaviour-Transform(BeTrans)を開発した。
- 参考スコア（独自算出の注目度）: 10.021995169369866
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A key challenge in human-robot collaboration is the non-stationarity created
by humans due to changes in their behaviour. This alters environmental
transitions and hinders human-robot collaboration. We propose a principled
meta-learning framework to explore how robots could better predict human
behaviour, and thereby deal with issues of non-stationarity. On the basis of
this framework, we developed Behaviour-Transform (BeTrans). BeTrans is a
conditional transformer that enables a robot agent to adapt quickly to new
human agents with non-stationary behaviours, due to its notable performance
with sequential data. We trained BeTrans on simulated human agents with
different systematic biases in collaborative settings. We used an original
customisable environment to show that BeTrans effectively collaborates with
simulated human agents and adapts faster to non-stationary simulated human
agents than SOTA techniques.
- Abstract（参考訳）: 人間とロボットのコラボレーションにおける重要な課題は、行動の変化によって人間が生み出す非定常性である。
これは環境遷移を変え、人間とロボットのコラボレーションを妨げる。
本研究では,ロボットが人間の行動をより正確に予測し,非定常性の問題に対処するためのメタ学習フレームワークを提案する。
この枠組みに基づきbetrans(behavior-transform)を開発した。
BeTransは条件付きトランスフォーマーであり、シーケンシャルなデータによる顕著なパフォーマンスのため、ロボットエージェントが非定常的な振る舞いを持つ新しい人間のエージェントに迅速に適応できるようにする。
協調環境において異なる系統バイアスを持つ人間エージェントに対してbetransを訓練した。
我々は,betransがヒトエージェントと効果的に協調し,soma技術よりも非定常ヒトエージェントに早く適応することを示すために,独自のカスタマイズ可能な環境を用いた。
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) - Robot Interaction Behavior Generation based on Social Motion Forecasting for Human-Robot Interaction [9.806227900768926]
本稿では,共有ロボット表現空間における社会的動き予測のモデル化を提案する。
ECHOは上記の共有空間で活動し、社会的シナリオで遭遇したエージェントの将来の動きを予測する。
我々は,多対人動作予測タスクにおけるモデルの評価を行い,最先端の性能を大きなマージンで獲得する。
論文 参考訳（メタデータ） (2024-02-07T11:37:14Z) - InteRACT: Transformer Models for Human Intent Prediction Conditioned on Robot Actions [7.574421886354134]
InteRACTアーキテクチャは、大規模な人間と人間のデータセットと小さな人間とロボットのデータセットの微細構造に関する条件付き意図予測モデルを事前訓練する。
実世界の協調的なロボット操作タスクについて評価し、条件付きモデルが様々な限界ベースラインよりも改善されていることを示す。
論文 参考訳（メタデータ） (2023-11-21T19:15:17Z) - 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) - 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) - HERD: Continuous Human-to-Robot Evolution for Learning from Human
Demonstration [57.045140028275036]
本研究では,マイクロ進化的強化学習を用いて,操作スキルを人間からロボットに伝達可能であることを示す。
本稿では,ロボットの進化経路とポリシーを協調的に最適化する多次元進化経路探索アルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-12-08T15:56:13Z) - CoGrasp: 6-DoF Grasp Generation for Human-Robot Collaboration [0.0]
そこで我々は,人間を意識したロボットグリップを生成する,CoGraspと呼ばれる新しいディープニューラルネットワーク方式を提案する。
実際のロボット実験では,安定グリップの生成において約88%の成功率を達成した。
我々のアプローチは、安全で自然で社会的に認識された人間ロボットオブジェクトのコグラスピング体験を可能にします。
論文 参考訳（メタデータ） (2022-10-06T19:23:25Z) - REvolveR: Continuous Evolutionary Models for Robot-to-robot Policy
Transfer [57.045140028275036]
本研究では,運動学や形態学など,異なるパラメータを持つ2つの異なるロボット間でポリシーを伝達する問題を考察する。
模倣学習手法を含む動作や状態遷移の分布を一致させることで、新しいポリシーを訓練する既存のアプローチは、最適な動作や/または状態分布が異なるロボットでミスマッチしているために失敗する。
本稿では,物理シミュレータに実装されたロボット政策伝達に連続的進化モデルを用いることで,$RevolveR$という新しい手法を提案する。
論文 参考訳（メタデータ） (2022-02-10T18:50:25Z) - 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。