[論文レビュー] Flexible human-robot cooperation models for assisted shop-floor tasks

Kourosh Darwish, Francesco Wanderlingh+4 more|arXiv (Cornell University)|Jul 9, 2017

Robot Manipulation and Learning被引用数 4

ひとこと要約

本稿では、ウェアラブルセンサを用いたリアルタイムな人間の行動認識、AND/ORグラフを用いた協働タスク計画のモデリング、およびタスク優先制御フレームワークを統合した、工場現場における柔軟な人間-ロボット協働アーキテクチャ「FlexHRC」を提案する。このシステムにより、人間がロボットの提案から逸脱しても作業の流れを損なわず、自然で適応的な協働が可能となり、行動認識の遅延が10%未満に抑えられ、経路再計画なしにシームレスな反応型障害物回避が実現される。

ABSTRACT

The Industry 4.0 paradigm emphasizes the crucial benefits that collaborative robots, i.e., robots able to work alongside and together with humans, could bring to the whole production process. In this context, an enabling technology yet unreached is the design of flexible robots able to deal at all levels with humans' intrinsic variability, which is not only a necessary element for a comfortable working experience for the person but also a precious capability for efficiently dealing with unexpected events. In this paper, a sensing, representation, planning and control architecture for flexible human-robot cooperation, referred to as FlexHRC, is proposed. FlexHRC relies on wearable sensors for human action recognition, AND/OR graphs for the representation of and reasoning upon cooperation models, and a Task Priority framework to decouple action planning from robot motion planning and control.

研究の動機と目的

• 産業4.0の工場現場環境において、拘束的なタスク順序と柔軟性に欠けるロボットの反応が、作業者の快適性と生産性を損なうという問題に対処する。
• 事前に定義されたロボット計画に縛られることなく、作業者が協働中に自由に行動を選択できるようにする。
• 高レベルの行動計画と低レベルの運動制御を分離し、動的環境（例：障害物）に反応して即座に制御を調整できるようにする。
• 移動制限のないウェアラブルセンサを用いて、非侵襲的かつリアルタイムな人間の行動モニタリングを可能にする。
• 作業空間の不確実性や人間の行動の逸脱に対しても協働効率を維持できる、ハイブリッドな反応型・意思決定型アーキテクチャの構築

提案手法

• ウェアラブルインertialセンサ（IMU）を用いて人間の運動データを収集し、制限のない作業者移動を可能にするリアルタイムな人間行動認識を実現する。
• AND/ORグラフは協働モデルを表現し、タスクの依存関係、代替手段、条件を符号化することで、柔軟な行動順序の推論を可能にする。
• タスク優先制御フレームワークにより、人間／ロボットの行動計画とロボットの運動計画・制御を分離し、各レイヤーを独立して最適化可能にする。
• 障害物回避などの反応型制御タスクは、制御階層に優先タスクとして統合され、経路再計画なしにリアルタイムで応答可能となる。
• ガウス・ミックスチャネル（GMM）とガウス・ミックスチャネル回帰（GMR）を用いて、インertialセンサデータから人間のジェスチャーをモデル化・認識する。
• 行動認識、協働モデルの推論、運動制御を統合されたパイプラインで統合し、人間の選択や環境変化にシームレスに適応する。

実験結果

リサーチクエスチョン

• RQ1 人間がロボットが提案する行動から逸脱しても協働目標を達成できるようにするには、人間-ロボット協働をどの程度柔軟に設計できるか。
• RQ2 ウェアラブルセンサを用いることで、作業者の移動制限を最小限に抑えながら、正確で低遅延な人間行動認識をどの程度達成できるか。
• RQ3 タスク優先制御フレームワークは、動的かつ部分的に未知の作業環境において、高レベルの行動計画と低レベルの運動制御を効果的に分離できるか。
• RQ4 反応型行動（例：障害物回避）の統合が、全体の協働時間とシステムの応答性にどのような影響を与えるか。
• RQ5 AND/ORグラフは、複雑で代替可能な協働モデルを効果的にモデリングでき、リアルタイムでの推論と適応を可能にするか。

主な発見

• ウェアラブルセンサを用いた人間行動認識では、1行動あたり平均1.2秒の遅延が生じるが、これは合計協働時間（120秒）の10%未満にとどまる。
• 本システムは、行動計画と運動制御の分離に成功し、経路再計画なしに障害物回避を反応的に実行できる。
• 肘関節回避などの障害物回避タスクは、事前に定義されたしきい値内で完了しており、活性化関数が最大値に達することなく、効果的かつ適切なタイミングでの応答が確認された。
• 障害物ありのテストでは、平均協働実行時間に変化がなく安定していた：人間行動時間（T_h）は平均54.76秒、ロボット行動時間（T_r）は44.96秒、行動認識遅延（T_ao）は0.06秒であった。
• 反応型タスクを有効化した場合でも、全体の協働時間に顕著な増加が観察されず、動的環境への耐性が確認された。
• 作業者が認識精度を向上させるために自然に動き方を調整する傾向が見られたことから、今後のオンライン学習による共同適応の可能性が示唆された。