[논문 리뷰] How to be Helpful? Implementing Supportive Behaviors for Human-Robot Collaboration.

Olivier Mangin, Alessandro Roncone외 1명|arXiv (Cornell University)|2017. 10. 30.

Robot Manipulation and Learning참고 문헌 27인용 수 4

한 줄 요약

이 논문은 제한된 인식 능력과 불완전한 작업 모델을 가진 상태에서도 로봇이 인간의 작업 수행을 자동으로 지원할 수 있도록 하는 능동적 인간-로봇 협업 프레임워크를 제안한다. 공유된 계층적 작업 모델을 활용하여 부분 관측 가능 마르코프 결정 과정(POMDP)을 유도함으로써, 시스템은 실시간으로 강건한 로봇 정책을 계산하여 인식 오류와 조작 실패가 발생하는 상황에서도 가구 조립 작업에서 효과적인 지원을 가능하게 한다.

ABSTRACT

The field of Human-Robot Collaboration (HRC) has seen a considerable amount of progress in the recent years. Although genuinely collaborative platforms are far from being deployed in real-world scenarios, advances in control and perception algorithms have progressively popularized robots in manufacturing settings, where they work side by side with human peers to achieve shared tasks. Unfortunately, little progress has been made toward the development of systems that are proactive in their collaboration, and autonomously take care of some of the chores that compose most of the collaboration tasks. In this work, we present a collaborative system capable of assisting the human partner with a variety of supportive behaviors in spite of its limited perceptual and manipulation capabilities and incomplete model of the task. Our framework leverages information from a high-level, hierarchical model of the task. The model, that is shared between the human and robot, enables transparent synchronization between the peers and understanding of each other's plan. More precisely, we derive a partially observable Markov model from the high-level task representation. We then use an online solver to compute a robot policy, that is robust to unexpected observations such as inaccuracies of perception, failures in object manipulations, as well as discovers hidden user preferences. We demonstrate that the system is capable of robustly providing support to the human in a furniture construction task.

연구 동기 및 목표

• 실세계의 공동 작업 과제에서 인간 협업자를 능동적으로 지원할 수 있는 로봇 시스템을 개발하는 것.
• 불완전한 작업 모델과 인식 오류가 존재하는 상황에서도 인간의 의도를 추론하고 행동을 적응시킬 수 있도록 하는 것.
• 인간과 로봇 간의 투명성과 동기화를 보장하는 공유된 고수준 작업 표현을 생성하는 것.
• 기대치가 없는 관측치와 숨겨진 사용자 선호도에 강건한 정책 계산 방법을 설계하는 것.
• 실세계의 불확실성 하에서 실제 가구 제작 과제에서 시스템을 평가하는 것.

제안 방법

• 인간과 로봇 간의 상호 계획 이해와 동기화를 가능하게 하기 위해 인간과 로봇 간에 공유되는 고수준의 계층적 작업 모델을 사용한다.
• 인식과 작업 실행의 불확실성을 표현하기 위해 계층적 작업 모델에서 부분 관측 가능 마르코프 결정 과정(POMDP)을 유도한다.
• 온라인 솔버를 통해 실시간으로 로봇 정책을 계산하여 동적 변화와 예기치 않은 관측치에 적응할 수 있도록 한다.
• 정책은 인식 오류, 조작 실패에 강건하며, 숨겨진 사용자 선호도를 추론하도록 설계되어 있다.
• 프레임워크는 명시적인 명령 없이도 도구를 가져오거나 부품을 준비하는 등의 지원 행동을 자율적으로 수행할 수 있도록 한다.
• 시스템은 관측치 기반으로 믿음 상태를 지속적으로 갱신하여 인간의 작업 진행 상황과 일치를 유지한다.

실험 결과

연구 질문

• RQ1 로봇의 인식 능력과 조작 능력이 제한된 상황에서 인간 협업자를 어떻게 능동적으로 지원할 수 있는가?
• RQ2 공유된 계층적 작업 모델이 인간-로봇 협업에서 투명한 동기화와 상호 이해를 얼마나 잘 가능하게 하는가?
• RQ3 POMDP 기반의 정책 계산 방법이 인식 오류와 작업 수준의 모호성에서 발생하는 불확실성을 효과적으로 다룰 수 있는가?
• RQ4 명시적인 피드백 없이도 사용자 숨겨진 선호도에 어떻게 적응하는가?
• RQ5 불완전한 작업 모델 하에서 실세계의 조립 과제에서 로봇이 자율적으로 지원 행동을 수행할 수 있는가?

주요 결과

• 로봇은 명시적인 인간 명령 없이도 가구 제작 과제에서 도구 운반 및 부품 준비와 같은 지원 행동을 성공적으로 수행하였다.
• 작업 진행 상황이 예상과 다를 경우에도 공유된 계층적 작업 모델을 통해 인간 파artner와의 동기화를 유지하였다.
• 온라인 POMDP 솔버는 인식 오류와 조작 실패 상황에서도 강건한 정책 실행을 가능케 하였다.
• 로봇은 숨겨진 사용자 선호도를 추론하고 적응하여 명시적인 선호 신호 없이도 협업 효율을 향상시켰다.
• 실행 과정에서 불완전한 작업 모델과 실세계의 불확실성에 대해 프레임워크가 회복력을 보였다.
• 실제 산업 현장 환경에서 신뢰할 수 있는 협업을 달성하여 능동적 지원의 실현 가능성을 입증하였다.