Collaborative human-autonomy semantic sensing through structured POMDP planning
Collaborative human-autonomy semantic sensing through structured POMDP planning
复制标题
通过结构化 POMDP 规划实现协作式人类自主语义感知
DOI：
10.1016/j.robot.2021.103753
复制
发表时间：
2021
影响因子：
4.3
通讯作者：
Vunnam, Sousheel
中科院分区：
文献类型：
--
作者：
Burks, Luke;Ahmed, Nisar;Loefgren, Ian;Barbier, Luke;Muesing, Jeremy;McGinley, Jamison;Vunnam, Sousheel
自主无人系统和机器人必须能够积极利用所有可用的信息源-包括人类合作者提供的不精确但随时可用的语义观察。这项工作开发并验证了一种新的主动协作人机传感解决方案，用于机器人信息收集和最优决策问题，并提供了一个动态目标搜索场景的示例实现。我们的方法使用连续部分可观察马尔可夫决策过程（CPOMDP）规划生成车辆轨迹，最佳地利用车载传感器的不完美检测数据，以及可以从人类传感器专门请求的语义自然语言观察。关键的创新是一种方法，用于在基于CPOMDP的自主决策过程中包含人类查询/感知模型，以及用于有效地解决连续动态状态空间中具有语义观测的CPOMDP的可扩展分层高斯混合模型制剂。与以前的最先进的方法不同，这允许在大型，复杂，高度分段的环境中进行规划。我们的解决方案进行了演示和验证，一个真实的人类机器人团队从事动态室内目标搜索和捕获场景的自定义测试平台。
Autonomous unmanned systems and robots must be able to actively leverage all available information sources — including imprecise but readily available semantic observations provided by human collaborators. This work develops and validates a novel active collaborative human–machine sensing solution for robotic information gathering and optimal decision making problems, with an example implementation of a dynamic target search scenario. Our approach uses continuous partially observable Markov decision process (CPOMDP) planning to generate vehicle trajectories that optimally exploit imperfect detection data from onboard sensors, as well as semantic natural language observations that can be specifically requested from human sensors. The key innovations are a method for the inclusion of a human querying/sensing model in a CPOMDP based autonomous decision making process, as well as a scalable hierarchical Gaussian mixture model formulation for efficiently solving CPOMDPs with semantic observations in continuous dynamic state spaces. Unlike previous state-of-the-art approaches this allows planning in large, complex, highly segmented environments. Our solution is demonstrated and validated with a real human–robot team engaged in dynamic indoor target search and capture scenarios on a custom testbed.
登录
查看更多内容
协作语义数据融合与动态可观察决策过程
DOI：
--
发表时间：
2020
期刊：
2019 22th International Conference on Information Fusion (FUSION
影响因子：
--
作者：
Burks, L.;Ahmed, N.
通讯作者：
Ahmed, N.
DOI：
--
发表时间：
2007
期刊：
影响因子：
--
作者：
T. Southey;J. Little
通讯作者：
J. Little
影响因子：
7.8
作者：
Luke Burks;Ian Loefgren;N. Ahmed
通讯作者：
Luke Burks;Ian Loefgren;N. Ahmed
贝叶斯估计中软数据建模的触摸界面
DOI：
--
发表时间：
2014
期刊：
IEEE International Conference on Systems, Man and Cybernetics
影响因子：
--
作者：
S. Mehta;M. McCourt;E. Doucette;J. Curtis
通讯作者：
J. Curtis
完全贝叶斯人机数据融合，实现稳健的动态目标监视和表征
DOI：
10.2514/6.2019-2208
发表时间：
2019
期刊：
AIAA Scitech 2019 Forum
影响因子：
--
作者：
Jeremy Muesing;Luke Burks;Michael L. Iuzzolino;D. Szafir;N. Ahmed
通讯作者：
N. Ahmed