[논문 리뷰] A Framework for Robot Programming in Cobotic Environments: First user experiments

Ying Liang, Damien Pellier외 2명|arXiv (Cornell University)|2018. 10. 19.

Robot Manipulation and Learning참고 문헌 17인용 수 3

한 줄 요약

이 논문은 프로그래밍 by 예제(PbD)와 자동 계획 기법을 융합한 하이브리드 프레임워크를 제안한다. 이는 비전문가 사용자가 사전 조건과 영향을 갖는 원자적 동작을 가르쳐 주목적 지향적인 동작 시퀀스를 자동 생성할 수 있도록 한다. 벡서 로봇을 대상으로 한 사용자 실험 결과, 초보자 사용자들이 원자적 동작 모델을 직관적으로 이해하고 복잡한 작업(예: 물체 순열)을 해결하도록 로봇을 성공적으로 가르치는 데 성공하였다.

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.

연구 동기 및 목표

• 소규모 산업 환경에서 로봇 구현을 위해 요구되는 높은 프로그래밍 전문성의 장벽을 해소하기 위해.
• 코드를 작성하거나 저수준 프로그래밍을 이해하지 못하는 비전문가 사용자가 로봇의 새로운 기술을 가르치도록 하기 위해.
• 사용자 시범을 통해 원자적 동작 모델을 학습하고 자동 계획 기법을 활용해 임의의 목표를 달성하는 시퀀스를 생성하는 시스템을 개발하기 위해.
• 다양한 교육 배경을 가진 사용자들 사이에서 사전 조건과 영향에 대한 이해도와 사용성 평가하기 위해.

제안 방법

• 사용자가 벡서 로봇에게 시작 상태와 종료 상태를 지정하여 원자적 동작(예: moveObject)을 시범으로 보여준다.
• 시스템은 시범에서 사전 조건(필요한 세계 상태)과 영향(결과적으로 변화하는 세계 상태)으로 정의된 동작 모델을 추출한다.
• 이러한 모델들은 자동 계획 기법과 호환되는 논리적 표현 방식으로 인코딩된다.
• 자동 계획기는 추출된 동작 모델을 사용하여 사용자가 지정한 목표를 임의의 초기 상태에서 달성하는 시퀀스를 생성한다.
• 이 프레임워크는 다양한 목표와 맥락에서 원자적 동작의 재사용을 지원한다.
• 사용자 실험은 동작 가르치기, 실패 상황에서의 일반화 테스트, 로봇의 지능성 인식 평가를 포함한다.

실험 결과

연구 질문

• RQ1 비전문가 사용자들이 PbD를 통해 로봇 동작의 사전 조건과 영향을 직관적으로 이해하고 정확히 지정할 수 있는가?
• RQ2 사용자들이 나중에 계획기가 사용할 수 있도록 새로운, 볼 수 없는 목표를 달성하기 위해 로봇에게 원자적 동작을 성공적으로 가르칠 수 있는가?
• RQ3 사용자들은 학습된 동작 모델에서 자동으로 동작 시퀀스를 생성하는 로봇의 능력을 어떻게 평가하는가?
• RQ4 실패 시나리오 없이 완전한 동작 모델을 구성할 때 사용자가 겪는 어려움은 무엇인가?

주요 결과

• 모든 참가자가 프로그래밍 경험이 없음에도 불구하고 사전 조건과 영향을 포함한 동작 모델을 성공적으로 이해하고 검증하였다.
• 사용자들은 PbD 과정이 매우 직관적이라고 느꼈으며, 학습하고 사용하기 쉽다고 보고하였다.
• 실험 중 어떤 사용자도 어려움을 겪지 않았고, 모든 단계를 성공적으로 완료하였다.
• 초기에는 누락된 사전 조건(예: '존 A가 비어 있어야 함')을 간과했지만, 실패 상황에 직면했을 때 빠르게 이를 인지하였다.
• 사용자들은 정확한 사전 조건(예: '존 A가 비어 있어야 함')을 구성하는 데 어려움을 겪었으며, 대신 동등하지만 덜 형식적인 조건을 제안하였다.
• 모든 사용자가 순열 문제를 자동으로 해결하는 로봇의 행동을 지능적으로 인식하였으며, 자동 계획에 대한 배경 지식이 없었음에도 불구하고 그러한 인식을 가졌다.