[論文レビュー] A Framework for Robot Programming in Cobotic Environments: First user experiments

Ying Liang, Damien Pellier+2 more|arXiv (Cornell University)|Oct 19, 2018

Robot Manipulation and Learning参考文献 17被引用数 3

ひとこと要約

本稿では、プログラミング・バイ・デモニストレーション（PbD）と自動計画を組み合わせたハイブリッドフレームワークを提示する。このフレームワークにより、非専門家ユーザーが事前条件と効果を伴う原子的アクションを教えることができ、目的指向のアクションシーケンスを自律的に生成できる。Baxterロボットを用いたユーザー実験の結果、初心者ユーザーが直感的にアクションモデルを理解し、オブジェクトの順列変更といった複雑なタスクをロボットに教えることに成功した。

ABSTRACT

The increasing presence of robots in industries has not gone unnoticed. Large industrial players have incorporated them into their production lines, but smaller companies hesitate due to high initial costs and the lack of programming expertise. In this work we introduce a framework that combines two disciplines, Programming by Demonstration and Automated Planning, to allow users without any programming knowledge to program a robot. The user teaches the robot atomic actions together with their semantic meaning and represents them in terms of preconditions and effects. Using these atomic actions the robot can generate action sequences autonomously to reach any goal given by the user. We evaluated the usability of our framework in terms of user experiments with a Baxter Research Robot and showed that it is well-adapted to users without any programming experience.

研究の動機と目的

• 小規模な産業現場におけるロボット導入に必要な高いプログラミングスキルの壁を克服すること。
• 非専門家ユーザーがコードを書いたり低レベルプログラミングを理解したりせずに、ロボットに新しいスキルを教えること。
• ユーザーのデモから原子的アクションモデルを学習し、自動計画技術を用いて任意の目的を達成するためのシーケンスを生成するシステムを開発すること。
• 多様な教育的背景を持つユーザーの間で、事前条件と効果の理解の直感性と使いやすさを評価すること。

提案手法

• ユーザーがBaxterロボットに原子的アクション（例：moveObject）をデモし、開始状態と終了状態を指定する。
• システムはデモから、事前条件（必要な世界状態）と効果（得られる世界状態）で定義されるアクションモデルを抽出する。
• これらのモデルは、自動計画技術と互換性のある論理的表現にエンコードされる。
• 自動計画者がアクションモデルを用いて、任意の初期状態からユーザー指定の目的を達成するシーケンスを生成する。
• このフレームワークは、異なる目的や文脈においても原子的アクションの再利用を可能にする。
• ユーザー実験では、アクションの教示、失敗状況における一般化のテスト、ロボットの知能の認識の評価が行われる。

実験結果

リサーチクエスチョン

• RQ1 非専門家ユーザーは、PbDを用いてロボットアクションの事前条件と効果を直感的に理解し、正しく指定できるか？
• RQ2 ユーザーは、後に計画者が使用して未確認の目的を達成するための原子的アクションを、ロボットに成功裏に教えることができるか？
• RQ3 ユーザーは、学習済みのアクションモデルから自律的にアクションシーケンスを生成するロボットの能力をどのように認識しているか？
• RQ4 失敗状況を含まない状況で、完全なアクションモデルを構築する際にユーザーが直面する困難は何か？

主な発見

• 全参加者が、プログラミング経験が全くないにもかかわらず、アクションモデル（事前条件と効果）を正しく理解し、検証した。
• ユーザーはPbDプロセスが非常に直感的で、学習・使用が簡単だと感じた。
• 実験中に誰も困難に直面せず、全員が全段階を正常に完了した。
• 初期段階では欠落した事前条件（例：「ゾーンAが空いている」）に気づかなかったが、失敗状況に直面した際にすぐに認識した。
• ユーザーは正確な事前条件（例：「ゾーンAが空いている」）を定式化するのに苦労し、代わりに同等ではあるが形式的でない条件を提案した。
• 全ユーザーが、順列問題を自律的に解決するロボットの行動を知的であると認識したが、自動計画の知識が全くないにもかかわらずである。