Workspace Optimization Techniques to Improve Prediction of Human Motion During Human-Robot Collaboration
Autores: Yi-Shiuan Tung, Matthew B. Luebbers, Alessandro Roncone, Bradley Hayes · HRI 2024
Licenças
- Acesso aberto
- Artigo: not yet confirmed
Tudo o que segue foi escrito apenas a partir do resumo.
Resumo
Compreender as intenções humanas é fundamental para uma colaboração humano-robô segura e eficaz. Embora os métodos de estado da arte para previsão de objetivos humanos utilizem modelos aprendidos para levar em conta a incerteza dos dados de movimento humano, esses dados são inerentemente estocásticos e de alta variância, o que prejudica a utilidade desses modelos em interações que exigem coordenação, incluindo tarefas críticas para a segurança ou de proximidade. Nossa ideia central é que colegas de equipe robóticos podem configurar deliberadamente os espaços de trabalho compartilhados antes da interação para reduzir a variância do movimento humano, obtendo melhorias na previsão de objetivos independentes do classificador. Neste trabalho, apresentamos uma abordagem algorítmica para que um robô organize objetos físicos e projete “obstáculos virtuais” usando realidade aumentada em espaços de trabalho compartilhados humano-robô, otimizando a legibilidade humana sobre um dado conjunto de tarefas. Comparamos nossa abordagem com outras estratégias de organização do espaço de trabalho por meio de dois estudos com participantes humanos, um em um domínio virtual de navegação 2D e outro em um domínio real de manipulação sobre mesa envolvendo um braço manipulador robótico. Avaliamos a precisão dos modelos de previsão de movimento humano aprendidos em cada condição, demonstrando que nossa técnica de otimização do espaço de trabalho com obstáculos virtuais leva a uma maior precisão de previsão do robô usando menos dados de treinamento.
Links
- arXiv 2401.12965: https://arxiv.org/abs/2401.12965
- PDF: https://arxiv.org/pdf/2401.12965v1