[论文解读] A novel Skill-based Programming Paradigm based on Autonomous Playing and Skill-centric Testing

Simon Hangl, Andreas Mennel+1 more|arXiv (Cornell University)|Sep 18, 2017

Robot Manipulation and Learning参考文献 15被引用 6

一句话总结

本文提出了一种新颖的基于技能的编程范式，使无经验用户能够通过可视化编程和动力学教学来定义机器人的基本行为，随后机器人通过自主玩耍实现行为泛化。该框架整合了以技能为中心的测试，无需专家知识即可检测软件错误，显著降低了机器人编程的门槛，使非专家能够开发并调试稳健的机器人技能。

ABSTRACT

We introduce a novel paradigm for robot pro- gramming with which we aim to make robot programming more accessible for unexperienced users. In order to do so we incorporate two major components in one single framework: autonomous skill acquisition by robotic playing and visual programming. Simple robot program skeletons solving a task for one specific situation, so-called basic behaviours, are provided by the user. The robot then learns how to solve the same task in many different situations by autonomous playing which reduces the barrier for unexperienced robot programmers. Programmers can use a mix of visual programming and kinesthetic teaching in order to provide these simple program skeletons. The robot program can be implemented interactively by programming parts with visual programming and kinesthetic teaching. We further integrate work on experience-based skill-centric robot software testing which enables the user to continuously test implemented skills without having to deal with the details of specific components.

研究动机与目标

• 通过抽象低层机器人复杂性，降低无经验用户进行机器人编程的门槛。
• 解决在无需专家设计控制器的情况下，技能在多样化情境中泛化的问题。
• 使非专家能够在不了解机器人软件组件深层知识的前提下实现和测试机器人技能。
• 通过机器人自主玩耍实现技能的自主获取，扩展基本行为的适用范围。
• 提供基于经验的自动化测试，无需手动设计测试用例即可识别机器人程序中的软件错误。

提出的方法

• 用户通过可视化编程界面使用拖拽组件定义基本机器人行为，以在单一情境下执行简单任务。
• 通过动力学教学演示轨迹，使用动态运动基元（DMPs）进行编码，以实现复用和适应。
• 机器人通过‘玩耍’——系统性地测试和学习新策略——自主探索替代行为序列，从而在新情境中泛化基本行为。
• 系统利用自主玩耍过程中收集的传感器数据检测故障，并触发自动化测试以隔离故障组件。
• 以技能为中心的测试框架可自动识别潜在的错误函数并提供修复建议，减少对专家调试的依赖。
• 该框架支持混合实现方式：通过可视化/动力学教学实现简单行为，通过专家实现和复用复杂或底层功能。

实验结果

研究问题

• RQ1 如何通过直观的交互范式使机器人编程对非专家更易访问？
• RQ2 自主玩耍在多大程度上能够将基本机器人行为泛化到多样化环境条件下？
• RQ3 基于经验的自动化测试能否在无需手动编写测试用例的情况下检测机器人程序中的软件回归错误？
• RQ4 可视化编程和动力学教学如何与自主学习有效结合，以减轻技能工程的负担？
• RQ5 自动化诊断在识别和隔离机器人软件系统中故障组件方面发挥什么作用？

主要发现

• 该框架成功使非专家用户仅通过可视化编程和动力学教学就实现了基本机器人行为的实现，例如抓取书籍和拆解塔状结构。
• 自主玩耍使机器人能够将基本行为泛化到新情境，例如通过反复推动和感知，学习将书籍旋转至正确抓取方向。
• 系统表明机器人能够自主发现有效策略，例如通过戳刺动作估算塔的高度，再通过重复抓取和放置动作进行拆解。
• 以技能为中心的测试框架在行为改变（如切换规划器）后成功识别出潜在的软件故障，并提供了可操作的调试建议。
• 需要精细控制的复杂技能（如刚度调节或轨迹整形）无法通过可视化编程完全实现，必须依赖专家实现，验证了混合编写方式的必要性。
• 自主玩耍与测试的集成显著减少了在技能开发和调试过程中对专家干预的需求，提升了系统的可访问性和可维护性。