半自主遥操作中对偏好辅助策略的知识学习与迁移
机器人学
2023-09-15 v2 人工智能
人机交互
摘要
使机器人能够提供有效辅助同时仍容纳操作员对物体遥操作的指令非常具有挑战性，因为机器人的辅助动作对人类操作员而言并非总是直观的，且人类行为和偏好有时对机器人来说难以解释。尽管已从不同优化角度开发出多种辅助方法来提升控制质量，但在确定满足遥操作任务精细运动约束且符合操作员偏好的合适方法方面仍存在难题。为解决这些问题，我们开发了一种新颖的偏好感知辅助知识学习方法。辅助偏好模型学习人类偏好的辅助方式，而分阶段模型更新方法在处理人类偏好数据模糊性的同时确保了学习稳定性。这种偏好感知辅助知识使遥操作机器人手能够提供更主动且受偏好的辅助以达成操作成功。我们还开发了知识迁移方法，将偏好知识在不同机器人手结构间迁移，以避免大量的机器人特定训练。我们分别使用 3 指手和 2 指手进行了遥操作实验，以使用、移动并交接一只杯子。结果表明，这些方法使机器人能有效学习偏好知识，并以更少的训练代价实现机器人间的知识迁移。
引用
@article{arxiv.2003.03516,
title = {Learn and Transfer Knowledge of Preferred Assistance Strategies in Semi-autonomous Telemanipulation},
author = {Lingfeng Tao and Michael Bowman and Xu Zhou and Jiucai Zhang and Xiaoli Zhang},
journal= {arXiv preprint arXiv:2003.03516},
year = {2023}
}