Workspace Optimization Techniques to Improve Prediction of Human Motion During Human-Robot Collaboration

著者: Yi-Shiuan Tung, Matthew B. Luebbers, Alessandro Roncone, Bradley Hayes · HRI 2024

ライセンス

• オープンアクセス
• 論文: not yet confirmed

以下の内容はすべてアブストラクトのみから書かれています。

概要

人間の意図を理解することは、安全で効果的な人間とロボットの協働にとって極めて重要である。最先端の人間のゴール予測手法は、人間の動作データの不確実性に対処するために学習モデルを用いるが、そのデータは本質的に確率的で分散が大きく、安全性が重要なタスクや近接したタスクを含む、協調を必要とするインタラクションにおけるそれらのモデルの有用性を妨げている。我々の重要な洞察は、ロボットのチームメイトがインタラクションの前に共有作業空間を意図的に構成して人間の動作の分散を減らし、分類器に依存しないゴール予測の改善を実現できるという点である。本研究では、ロボットが人間とロボットの共有作業空間に物理的な物体を配置し、拡張現実を用いて「仮想障害物」を投影するアルゴリズム的アプローチを提示し、与えられたタスクの集合にわたって人間にとっての可読性（legibility）を最適化する。我々の手法を他の作業空間配置戦略と、2 つの被験者実験で比較する。一つは仮想的な 2D ナビゲーションの領域、もう一つはロボットマニピュレータアームを用いた実際の卓上操作の領域である。各条件から学習した人間の動作予測モデルの精度を評価し、仮想障害物を用いた我々の作業空間最適化手法が、より少ない訓練データでより高いロボットの予測精度をもたらすことを示す。

リンク

• arXiv 2401.12965: https://arxiv.org/abs/2401.12965
• PDF: https://arxiv.org/pdf/2401.12965v1