基于力旋量动作语法的在线机器人自省

在非结构化机器人任务中，机器人失败屡见不鲜。尽管控制器设计精良，机器人常因意外事件而失败。机器人如何度量意外事件？许多机器人并不进行度量。大多数机器人由感知-规划-行动范式驱动，但近来机器人正经历感知-规划-行动-验证范式。在这项工作中，我们提出一种原则性方法，为接触任务引导在线机器人自省。实际上，我们试图使机器人能够回答以下问题：我做了什么？我的行为是否符合预期？为此，我们分析含噪声的力旋量数据，并假定后者固有地包含可由一个词汇表有效表示的模式。该词汇表通过对数据进行分割和编码生成。当力旋量信息表示一系列子任务时，我们可以认为词汇表为给定子任务构成了一个句子（具有语法规则的词集合），从而使该子任务得以唯一表示。该语法亦可包含意外事件，并在离线和在线场景以及仿真和真实机器人实验中进行了分类。离线使用多类支持向量机，而在线使用概率支持向量机以赋予自省结果时间置信度。我们工作的贡献在于提出了一种可泛化的在线语义方案，使机器人能够理解其高层状态是正常还是异常。该方案在离线和在线场景中针对一项极具挑战性的接触任务——卡扣装配——展示了有效性。我们在单臂仿真和真实单臂实验以及仿真双臂实验中执行了卡扣装配。此验证机制可供高层规划器或推理系统使用，以实现智能故障恢复或确定下一个最优操作技能。