基于多模态概率模型的机器人交互规划方法
机器人学
2017-10-27 v1 机器学习
摘要
本文提出一种在多模态性（即存在多种高度相异未来的可能性）对决策起关键作用的人机交互场景中构建人机交互策略的方法。本工作的动机来自交通交织实例，例如高速公路匝道汇入/汇出处，进出车辆须在短距离内互换车道——由于谁先通过的多模态固有不确定性，这对经验驾驶员亦是艰难协商。我们的方法是从人-人示范数据集中学习未来人类动作的多模态概率分布，并通过大规模并行采样人类对候选机器人动作序列的响应，在所得环境模型中实时构建机器人策略。条件变分自编码器（CVAE）理论的最新进展使得直接学习这些分布成为可能，我们同时以当前交互历史及候选未来机器人动作为条件学习动作分布，以考虑响应动力学。我们通过交通交织场景的人在回路仿真展示了该方法的有效性。
引用
@article{arxiv.1710.09483,
title = {Multimodal Probabilistic Model-Based Planning for Human-Robot Interaction},
author = {Edward Schmerling and Karen Leung and Wolf Vollprecht and Marco Pavone},
journal= {arXiv preprint arXiv:1710.09483},
year = {2017}
}