动态环境中面向人机交互的分层任务选择的认知方法
机器人学
2023-09-25 v1
摘要
在一个高效灵活的人机协作工作环境中，机器人团队成员必须能够识别人类用户的显式请求和隐含动作。在此类情况下识别“做什么”需要智能体具备在物体、其动作以及动作对环境的影响之间建立关联的能力。在这方面，我们引入语义记忆来理解显式线索及其与可用物体和制作“茶”与“三明治”所需技能的关系。我们扩展了先前提出的分层机器人控制架构，以新增基于用户反馈和环境上下文执行最合适任务的能力。为验证该系统，在分层任务树中实现了两类技能：1）泡茶技能；2）制作三明治技能。在机器人与人的对话过程中，机器人能够利用本体论确定隐藏上下文并据此行动。例如，如果人说“我渴了”或“外面很冷”，机器人将开始执行泡茶技能；相反，如果人说“我饿了”或“我需要吃点东西”，机器人将制作三明治。本实验使用了人形机器人 Baxter。我们针对每种技能测试了物体置于桌上不同位置的三种场景。我们观察到在所有情况下，机器人仅使用了与该技能相关的物体。
引用
@article{arxiv.2309.12562,
title = {Cognitive Approach to Hierarchical Task Selection for Human-Robot Interaction in Dynamic Environments},
author = {Syed T. Bukhari and Bashira Akter Anima and David Feil-Seifer and Wajahat M. Qazi},
journal= {arXiv preprint arXiv:2309.12562},
year = {2023}
}
备注
To Appear In International Conference on Intelligent Robots and Systems (IROS), Detroit, MI, USA, Oct 2023