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

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

라이선스

• 오픈 액세스
• 논문: not yet confirmed

아래 내용은 모두 초록만으로 작성했습니다.

초록

인간의 의도를 이해하는 것은 안전하고 효과적인 인간-로봇 협업에 결정적이다. 인간 목표 예측을 위한 최신 방법은 인간 움직임 데이터의 불확실성을 고려하기 위해 학습된 모델을 활용하지만, 그 데이터는 본질적으로 확률적이고 분산이 커서, 안전이 중요하거나 근접한 작업을 포함해 조율이 필요한 상호작용에서 이러한 모델의 유용성을 떨어뜨린다. 우리의 핵심 통찰은, 로봇 팀원이 상호작용 이전에 공유 작업 공간을 의도적으로 구성하여 인간 움직임의 분산을 줄이고, 분류기에 무관한 목표 예측 개선을 실현할 수 있다는 것이다. 본 연구에서는 로봇이 인간-로봇 공유 작업 공간에서 물리적 물체를 배치하고 증강 현실을 사용해 "가상 장애물"을 투사하여, 주어진 작업 집합에 대해 인간의 가독성(legibility)을 최적화하는 알고리즘적 접근법을 제시한다. 우리는 두 가지 인간 피험자 연구를 통해 우리 접근법을 다른 작업 공간 배치 전략과 비교하는데, 하나는 가상 2D 내비게이션 도메인에서, 다른 하나는 로봇 매니퓰레이터 팔을 포함한 실제 테이블 위 조작 도메인에서 수행한다. 우리는 각 조건에서 학습된 인간 움직임 예측 모델의 정확도를 평가하여, 가상 장애물을 사용하는 우리의 작업 공간 최적화 기법이 더 적은 학습 데이터로 더 높은 로봇 예측 정확도로 이어짐을 보인다.

링크

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