在人到机器人任务迁移中利用工效学先验
机器人学
2020-03-03 v1 机器学习
摘要
近年来，通过引入让机器人通过示范直观学习任务导向行为的方式，通用自主机器人的发展出现了蓬勃转变。本文提出一种基于示范编程的方法，从受约束运动数据中学习零空间策略。其主要优势在于通过重定向系统冗余来实现任务泛化，以及能够用具有不同连杆数量和长度的另一系统完全替换整个系统，同时仍准确重复受相同约束的任务。该方法的有效性已在 3 连杆仿真和使用人类受试者作为示范者的真实世界实验中得到展示，并通过在 7 自由度物理机器人上的任务复现得以验证。在仿真中，该方法即使仅用五个数据点也能精确工作，产生的误差小于 10^-14。该方法在模拟的 3 自由度机器人操纵器控制问题中优于当前最先进方法，其中运动利用所学约束进行复现。系统零空间分量的重定向也在一项任务中得以展示，该任务中通过控制冗余的求解方式可实现避障。最后，该方法在真实世界实验中得到验证，使用人类受试者的示范将所学任务空间轨迹迁移到不同构型的 7 自由度物理机器人上。
引用
@article{arxiv.2003.00544,
title = {Exploiting Ergonomic Priors in Human-to-Robot Task Transfer},
author = {Jeevan Manavalan and Prabhakar Ray and Matthew Howard},
journal= {arXiv preprint arXiv:2003.00544},
year = {2020}
}