从人类团队中学习:基于动态手势指令的实时协作机器人操控的概率解法
机器人学
2021-12-14 v1 人机交互
摘要
我们研究实时协作机器人(cobot)操控,其中 cobot 在人类指令下移动工件。当人类直接操控工件存在风险时,此情形很有用。然而,难以使 cobot 既易于指令又能在可行操作中保持灵活。本工作中,我们提出一种实时协作机器人操控(RTCoHand)框架,允许用户通过自定义动态手势控制 cobot。由于用户间差异、人体运动不确定性与含噪人类输入,这颇具难度。我们将该任务建模为概率生成过程,称为条件协作操控过程(CCHP),并从人人协作中学习。我们详尽评估了 CCHP 的适应性与鲁棒性,并将我们的方法应用于 Kinova Gen3 机械臂的实时 cobot 操控任务。我们实现了与经验用户及新用户均无缝的人机协作。与经典控制器相比,RTCoHand 允许显著更复杂的机动且更低用户认知负担。它还消除了试错需要,从而在安全关键任务中具优势。
引用
@article{arxiv.2112.06020,
title = {Learn from Human Teams: a Probabilistic Solution to Real-Time Collaborative Robot Handling with Dynamic Gesture Commands},
author = {Rui Chen and Alvin Shek and Changliu Liu},
journal= {arXiv preprint arXiv:2112.06020},
year = {2021}
}
备注
Submitted to IEEE Transactions on Robotics