基于动作语法的机器人接触任务状态估计

不确定性是赋予机器人自主性的主要困难。机器人常因意外事件而失败。在机器人接触任务中，通常通过经验设定力阈值来定义马尔可夫链或有限状态机中的状态转换。这种设计在非结构化环境中极易失败，因为外部干扰或错误模型可能使这些阈值被满足，从而导致假阳性的状态转换。本文的重点是对机器人接触任务中的机器人行为和任务输出进行高级状态估计。我们的方法对原始的低级三维笛卡尔轨迹进行编码，并将其转换为高级动作语法。笛卡尔轨迹可以分段并编码，以保留其动态特性或“纹理”。一旦生成了动作语法，便训练分类器来检测当前行为并最终确定任务输出。该系统执行用于任务输出验证的高级状态估计，准确率为 86%，行为监测的平均准确率为 72%。这项工作的意义在于将难以使用的原始低级数据转换为能够实现稳健行为和任务监测的高级数据。监测对于高级规划中的故障纠正或其他推理、演示编程以及人机交互等都非常有用。