装配任务中用于动作预测的人类偏好两阶段聚类
机器人学
2021-03-30 v1
摘要
为了有效地协助人类工人进行装配任务，机器人必须通过推断工人在任务动作排序上的偏好来主动提供支持。先前的工作主要集中于基于预期目标学习人类工人在简单任务中的主导偏好。然而，人们可能在不同的分辨率上具有偏好：他们可能共享相同的高层子任务顺序偏好，但在单个动作的顺序上有所不同。我们提出了一种基于子任务和动作序列来学习和推断人类操作员偏好的两阶段方法。我们进行了一项宜家装配研究，并展示了我们的方法如何能够在复杂任务中学习主导偏好。我们通过交叉验证表明我们的方法改进了人类动作的预测。最后，我们展示了我们的两阶段方法在在线实验中提高了任务执行效率，并证明了其在真实世界机器人辅助宜家装配中的适用性。
引用
@article{arxiv.2103.14994,
title = {Two-Stage Clustering of Human Preferences for Action Prediction in Assembly Tasks},
author = {Heramb Nemlekar and Jignesh Modi and Satyandra K. Gupta and Stefanos Nikolaidis},
journal= {arXiv preprint arXiv:2103.14994},
year = {2021}
}
备注
8 pages, 8 figures, 2021 International Conference on Robotics and Automation (ICRA)