学习用户偏好的映射以实现直观机器人控制
机器人学
2020-07-24 v1 人工智能
摘要
当人类操控无人机、汽车和机器人时,我们往往对输入应如何使系统行为有一些先入为主的观念。现有的遥操作方法通常采用一刀切的方案,由设计者预定义人类输入与机器人动作之间的映射,每个用户必须在反复交互中适应此映射。相反,我们提出一种个性化方法,通过少量机器人查询来学习人类偏好或先入为主的映射。给定机器人控制器,我们确定一个对齐模型,该模型转换人类输入以使控制器输出符合其期望。我们通过认识到人类映射具有强先验而使该方法数据高效:我们期望输入空间是成比例的、可逆的且一致的。融入这些先验确保了机器人能从少量样本中学习到直观映射。我们在受辅助场景启发的机器人操作任务中测试了我们的学习方法,其中每个用户对遥操作机械臂有不同的个人偏好与身体能力。我们的仿真与实验结果表明,与手动定义的对齐或不含直观先验的学习对齐相比,学习输入与机器人动作之间的映射提升了客观与主观性能。展示这些用户研究的补充视频可在:https://youtu.be/rKHka0_48-Q 找到。
引用
@article{arxiv.2007.11627,
title = {Learning User-Preferred Mappings for Intuitive Robot Control},
author = {Mengxi Li and Dylan P. Losey and Jeannette Bohg and Dorsa Sadigh},
journal= {arXiv preprint arXiv:2007.11627},
year = {2020}
}
备注
8 pages, 7 figures, Proceedings of the IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), October 2020