面向人-机器人间接放置递手任务的抢占式运动规划
机器人学
2024-02-21 v3 人工智能
计算机视觉与模式识别
机器学习
摘要
随着技术进步,对安全、高效且协作的人-机器人团队的需求日益重要。任何环境中最基本的协作任务之一是物体递手。人到机器人的递手可采取两种方法之一:(1)直接手对手或(2)间接手到放置再到拾取。后一种方法确保人与机器人间最小接触,但也可能因须等待物体先被放置于表面而导致空闲时间增加。为最小化此类空闲时间,机器人必须抢占式预测人类关于物体将放置于何处的意图。此外,为使机器人以任何富有成效的方式抢占式行动,预测与运动规划必须实时进行。我们引入一种新颖的预测-规划流水线,使机器人能利用注视与手势作为模型输入,抢占式移向人类主体的预期放置位置。本文中,我们通过人-机器人案例研究考察了我们早期意图预测-规划器的性能与缺陷,以及使用此类流水线的实际益处。
引用
@article{arxiv.2203.00156,
title = {Preemptive Motion Planning for Human-to-Robot Indirect Placement Handovers},
author = {Andrew Choi and Mohammad Khalid Jawed and Jungseock Joo},
journal= {arXiv preprint arXiv:2203.00156},
year = {2024}
}
备注
IEEE International Conference on Robotics and Automation (ICRA 2022). Supplementary videos: https://pmp-human-to-robot.github.io/