将观察学习应用于家用服务机器人：三种常识性表述
机器人学
2023-04-21 v1
摘要
在新应用中使用机器人每次都需对其编程。为减少此类编程负担，我们一直致力于开发“观察学习 (Learning-from-observation, LfO)”，通过观察人类演示自动生成机器人程序。将该 LfO 系统引入家务领域的主要难题之一是环境杂乱，导致在观察演示时难以确定哪些要素对任务执行至关重要。为克服此问题，系统须具备与人类演示者共享的常识。本文探讨家务领域 LfO 在观察演示时应关注的三种关系，并提出用以描述演示者为最优执行任务序列所用常识的表征。具体而言，本文提议用拉班舞谱描述环境与机器人间姿态，用接触网描述机器人与工具间抓取方式，用物理与语义约束描述工具与环境间运动。进而，基于这些表征，本文形式化给出指示做什么与如何做的任务模型，即机器无关机器人程序。第三，本文阐释了获取任务模型的任务编码器与在机器人硬件上执行任务模型的任务解码器。最后，本文通过若干示例场景展示系统实际运作方式。
引用
@article{arxiv.2304.09966,
title = {Applying Learning-from-observation to household service robots: three common-sense formulation},
author = {Katsushi Ikeuchi and Jun Takamatsu and Kazuhiro Sasabuchi and Naoki Wake and Atsushi Kanehiro},
journal= {arXiv preprint arXiv:2304.09966},
year = {2023}
}