Leveraging Submovements for Prediction and Trajectory Planning for Human-Robot Handover
Leveraging Submovements for Prediction and Trajectory Planning for Human-Robot Handover
复制标题
利用子运动进行人机切换的预测和轨迹规划
DOI：
10.1145/3529190.3529220
复制
发表时间：
2022
期刊：
影响因子：
--
通讯作者：
Padir, Taskin
中科院分区：
文献类型：
--
作者：
Lockwood, Kyle;Bicer, Yunus;Asghari-Esfeden, Sadjad;Zhu, Tianjie;Furmanek, Mariusz;Mangalam, Madhur;Strenge, Garrit;Imbiriba, Tales;Yarossi, Mathew;Padir, Taskin
人机交互的有效性关键取决于模拟人类意图推断、行动预期和运动协调的计算工作是否成功。为此，我们开发了两个模型，利用人类运动的一个明确描述的特征：速度曲线中的高斯形子运动，作为交接任务中人类推理和轨迹规划的机器人替代品。我们根据推理模型在切换运动中多早可以获得切换位置和时间的准确估计以及模型轨迹与人类接收器轨迹的相似程度来评估这两个模型。使用一个参与者二元组的初步结果表明，我们的推理模型可以准确预测位置和切换时间，而轨迹规划器可以使用这些预测为机器人提供类似人类的轨迹规划。这种方法提供了有前景的性能，同时保持了具有生理意义的人体运动高斯形速度曲线的基础。
The effectiveness of human-robot interactions critically depends on the success of computational efforts to emulate human inference of intent, anticipation of action, and coordination of movement. To this end, we developed two models that leverage a well described feature of human movement: Gaussian-shaped submovements in velocity profiles, to act as robotic surrogates for human inference and trajectory planning in a handover task. We evaluated both models based on how early in a handover movement the inference model can obtain accurate estimates of handover location and timing, and how similar model trajectories are to human receiver trajectories. Initial results using one participant dyad demonstrate that our inference model can accurately predict location and handover timing, while the trajectory planner can use these predictions to provide a human-like trajectory plan for the robot. This approach delivers promising performance while remaining grounded in physiologically meaningful Gaussian-shaped velocity profiles of human motion.
登录
查看更多内容
从演示中学习：自主服务机器人的重复运动
DOI：
10.1109/iros.2004.1389957
发表时间：
2004
期刊：
2004 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) (IEEE Cat. No.04CH37566)
影响因子：
--
作者：
H. Urbanek;A. Albu;Patrick van der Smagt
通讯作者：
Patrick van der Smagt
影响因子：
1.8
作者：
Leardini, Alberto;Biagi, Fabio;Benedetti, Maria Grazia
通讯作者：
Benedetti, Maria Grazia
DOI：
10.1073/pnas.96.8.4645
发表时间：
1999-04-13
影响因子：
11.1
作者：
Krebs, HI;Aisen, ML;Hogan, N
通讯作者：
Hogan, N
DOI：
10.1007/978-3-319-62530-0_5
发表时间：
2018-01-01
期刊：
PERSONAL ASSISTANTS: EMERGING COMPUTATIONAL TECHNOLOGIES
影响因子：
--
作者：
Costa, Angelo;Julian, Vicente;Novais, Paulo
通讯作者：
Novais, Paulo