[論文レビュー] Shared Control Based on Extended Lipschitz Analysis With Application to Human-Superlimb Collaboration

Hanjun Song, H. Harry Asada|arXiv (Cornell University)|Sep 1, 2023

Stroke Rehabilitation and Recovery被引用数 4

ひとこと要約

本稿では、拡張リプシッツ解析を用いて人間の意思制御とロボットの反応制御の間でタスクを定量的に割り当てる、データ駆動型の共有制御フレームワークを提案する。低リプシッツ商を介して予測可能な運動パターンを同定し、隠れマルコフモデル（HMM）からのタスクモード情報で入力空間を拡張することで、予測可能な行動をロボットに割り当て、予測不可能で即時の動き（例：往復するナイフの切り込み）を人間に割り当てる。これにより、超冗長ロボット四肢（Supernumerary Robotic Limb）を用いた両手作業の食事タスクにおいて、自律性と干渉の最適化を実現した。

ABSTRACT

This paper presents a quantitative method to construct voluntary manual control and sensor-based reactive control in human-robot collaboration based on Lipschitz conditions. To collaborate with a human, the robot observes the human's motions and predicts a desired action. This predictor is constructed from data of human demonstrations observed through the robot's sensors. Analysis of demonstration data based on Lipschitz quotients evaluates a) whether the desired action is predictable and b) to what extent the action is predictable. If the quotients are low for all the input-output pairs of demonstration data, a predictor can be constructed with a smooth function. In dealing with human demonstration data, however, the Lipschitz quotients tend to be very high in some situations due to the discrepancy between the information that humans use and the one robots can obtain. This paper a) presents a method for seeking missing information or a new variable that can lower the Lipschitz quotients by adding the new variable to the input space, and b) constructs a human-robot shared control system based on the Lipschitz analysis. Those predictable situations are assigned to the robot's reactive control, while human voluntary control is assigned to those situations where the Lipschitz quotients are high even after the new variable is added. The latter situations are deemed unpredictable and are rendered to the human. This human-robot shared control method is applied to assist hemiplegic patients in a bimanual eating task with a Supernumerary Robotic Limb, which works in concert with an unaffected functional hand.

研究の動機と目的

• 人間とロボットの協働における、人間とロボットの労働分担を定量的に決定する手法を開発すること。
• リプシッツ条件を用いて入出力関係の混同を同定することで、ロボット制御における予測不可能な人間の運動に取り組むこと。
• リプシッツ商を低下させるために、欠落している変数や隠れた状態を同定し、人間の模倣の予測可能性を向上させること。
• 予測可能性に基づく重み付き和を用いて、意思制御と反応制御を共有制御フレームワークに統合し、人間の負荷とロボットの干渉を最小限に抑えること。
• 実世界の応用として、半側痺れ患者の両手作業による食事支援を、超冗長ロボット四肢（Supernumerary Robotic Limb）を用いて検証すること。

提案手法

• 人間の模倣データからリプシッツ商を計算し、入出力マッピングの予測可能性を評価する。高リプシッツ商は、非予測可能または混同された関係を示す。
• 隠れマルコフモデル（HMM）を用いて、模倣データからタスクモードを推定し、それを入力空間に追加することで、混同状態を解消し、リプシッツ商を低減する。
• タスクモード情報の追加後もリプシッツ商が依然として高い状況を同定し、これらを予測不可能とみなして人間の意思制御に割り当てる。
• 低リプシッツ商のデータには反応制御を適用し、高商の場合は意思制御を割り当てる。制御の滑らかな統合には、重み付き和を用いる。
• リプシッツ商の閾値を用いて、ロボットの自律性と人間の干渉のトレードオフを調整する。
• 本手法は、機能的でない手でナイフを保持する超冗長ロボット四肢（SuperLimb）が、半側痺れ患者の両手作業による食事タスクを支援する実世界の応用で検証された。

実験結果

リサーチクエスチョン

• RQ1 リプシッツ条件をどのように拡張することで、人間-ロボット協働における人間の運動の予測可能性を定量的に評価できるか？
• RQ2 リプシッツ商を低下させ、人間の模倣の予測可能性を向上させるために、欠落しているまたは隠れた変数をどのように同定できるか？
• RQ3 予測可能な行動をロボットの反応制御に、予測不可能な行動を人間の意思制御に割り当てる共有制御システムをどのように設計できるか？
• RQ4 ロボットの予測精度と人間の制御努力のトレードオフは何か？そして、リプシッツ閾値を用いてこれを定量的に管理できるか？
• RQ5 本手法は、干渉と認知的負荷を低減することで、超冗長肢（SuperLimb）を用いたリハビリテーション分野の両手作業（例：食事）を効果的に支援できるか？

主な発見

• HMMからのタスクモード情報の追加により、多くの運動パターンのリプシッツ商が著しく低下し、人間の模倣の予測可能性が向上した。
• タスクモード信号の追加にもかかわらず、特に往復するナイフの切り込みのような動きは、即時の人間の制御によるものであり、依然として非常に予測不可能であった。これにより、意思制御に割り当てる正当性が裏付けられた。
• リプシッツ定数の閾値を低下させると、反応制御の平均二乗誤差（RMSE）が減少し、予測精度が向上したことが示された。
• リプシッツ閾値を低下させると、意思制御の負荷が増加した。これは、ロボットの自律性と人間の負荷のトレードオフを反映している。
• 本手法により、ロボットの反応制御が予測不可能な状況での人間の意思制御を干渉せずに効果的に統合できる共有制御システムが実現された。
• フレームワークは、超冗長ロボット四肢（Supernumerary Robotic Limb）を用いた実世界の両手作業による食事タスクにおいて、半側痺れ患者の支援において、人間とロボットの制御の有効な統合を示した。