教机器人跨越功能性表达运动空间
机器人学
2022-08-03 v2 人工智能
摘要
我们的目标是使机器人以富有情感的方式执行功能性任务,无论是响应用户的情绪状态,还是表达其自身的置信水平。已有工作提出从用户反馈中为每个目标情绪学习独立的代价函数,以便机器人在任何遇到的情况下可将其与任务及环境特定目标一同优化。然而,该方法在建模多种情绪时效率低下,且无法泛化至新情绪。本工作中,我们利用情绪彼此并非独立的事实:它们通过效价-唤醒-支配(Valence-Arousal-Dominance, VAD)的潜空间相关联。我们的核心思想是学习一个关于轨迹如何映射至VAD并带有用户标签的模型。考虑轨迹映射与目标VAD之间的距离,可使这一单一模型表示所有情绪的代价函数。由此带来:1)所有用户反馈均可贡献于对每个情绪的学习;2)机器人可生成空间中任意情绪对应的轨迹,而非仅少数预定义情绪;3)机器人可通过将用户生成的自然语言映射至目标VAD而做出情感化响应。我们提出了一种交互式学习将轨迹映射至该潜空间的方法,并在仿真与用户研究中进行了测试。实验中,我们使用了一台简易吸尘机器人以及Cassie双足机器人。
引用
@article{arxiv.2203.02091,
title = {Teaching Robots to Span the Space of Functional Expressive Motion},
author = {Arjun Sripathy and Andreea Bobu and Zhongyu Li and Koushil Sreenath and Daniel S. Brown and Anca D. Dragan},
journal= {arXiv preprint arXiv:2203.02091},
year = {2022}
}