本研究では、人間-ロボット協調(HRC)における人間の意図予測のために、新しいベイズ意図(BI)フレームワークを提案した。このフレームワークは、頭部の向き、手の向き、手の動きといった複数のモダリティの情報を統合し、人間の行動パターンと環境情報の因果関係をベイズネットワークでモデル化することで、より正確で即時的な人間の意図予測を実現する。
具体的には、まず頭部の向き、手の向き(物体の使いやすさに基づく)、手の動きといった3つの情報モダリティから特徴量を抽出する。これらの特徴量をベイズネットワークの入力とし、人間の意図する対象物体を確率的に推定する。この意図予測結果を用いて、ロボットは作業の順序を動的に変更したり、人間の動きを予測して衝突回避のための仮想障害物を生成したりするなど、人間-ロボット協調を強化する。
実験では、UR5ロボットを用いた実環境でのデモンストレーションと、新たに収集したデータセットMRL(MIT ReLevance Dataset)を用いた評価を行った。その結果、提案手法は従来手法に比べて精度36%、F1スコア60%、正確度85%の向上を示し、2.69 ms以内の高速な意図予測が可能であることが確認された。これらの結果は、提案手法がHRC分野における人間の意図予測と動的な作業計画・衝突回避に大きく貢献できることを示している。
To Another Language
from source content
arxiv.org
Key Insights Distilled From
by Vanessa Hern... at arxiv.org 10-02-2024
https://arxiv.org/pdf/2410.00302.pdfDeeper Inquiries