TEAM：一种从用户示范中教导协作机器人运动的无参数算法
机器人学
2023-09-27 v3 系统与控制
系统与控制
摘要
从示范中学习（LfD）使人类能够轻松教导协作机器人（cobots）新运动，并可泛化至新任务配置而无需重新训练。然而，最先进的LfD方法需手动调节内在参数，且在无专家的工业场景中很少使用。我们提出一种基于概率运动基元的无参数LfD方法，其中参数通过Jensen-Shannon散度与贝叶斯优化确定，用户无需手动调参。该协作机器人在复现所学运动的精度，以及非专家用户教导与使用的便捷性，在两场现场测试中得以评估。第一场测试中，协作机器人从事电梯门维护。第二场测试中，三名工厂工人教导协作机器人对其日常流程有用的任务。协作机器人与目标关节角之间的误差可忽略——最差0.28度——且运动被精确复现——GMCC得分1。工人填写的问卷突显了方法的易用性与复现运动的准确性。我们方法的公开实现与数据集已在线发布。
引用
@article{arxiv.2209.06940,
title = {TEAM: a parameter-free algorithm to teach collaborative robots motions from user demonstrations},
author = {Lorenzo Panchetti and Jianhao Zheng and Mohamed Bouri and Malcolm Mielle},
journal= {arXiv preprint arXiv:2209.06940},
year = {2023}
}
备注
8 pages, 4 figures, accepted to ICINCO2023