基于力矩动作语法的机器人内省

在非结构化机器人任务中，机器人故障屡见不鲜。尽管控制器设计良好，机器人仍常因意外事件而失败。机器人如何测量意外事件？大多数机器人并不具备此能力。大多数机器人由“感知-规划-执行”范式驱动，然而近期机器人开始采用“感知-规划-执行-验证”范式。在本工作中，我们提出了一种原则性方法来引导接触任务的机器人内省。实际上，我们试图回答这个问题：机器人做了什么？为此，我们假设所有含噪的力矩数据本质上都包含可以通过词汇表有效表示的模式。该词汇表通过对数据进行有意义的分段然后编码来生成。当力矩信息表示一系列子任务时，我们可以认为词汇表形成了词集或句子，使得每个子任务由一个词集唯一表示。可以使用统计或机器学习技术对这些集合进行分类。我们在仿真和真实机器人中的单臂和双臂场景下，使用 SVM 和 Mondrian Forests 对接触任务进行分类，展示了该方法的普遍稳健性。我们工作的贡献在于提出了一种简单但可泛化的语义方案，使机器人能够理解其高级状态。这种验证机制还可以为使用语义描述符的高级规划器或推理系统提供反馈。代码、数据及其他支持文档可在以下网址找到：http://www.juanrojas.net/2017icra_wrench_introspection。