核心概念
ユーザーがスケッチした2Dトラジェクトリから、3D空間でのロボットの動作軌道を生成する手法を提案する。
要約
本論文では、ダイアグラムティーチングと呼ばれる新しいロボット操作学習の方法論を提案している。従来のロボット操作学習では、ロボットの物理的な操作や遠隔操作が必要とされていたが、ダイアグラムティーチングではユーザーがカメラ画像上にスケッチした2Dトラジェクトリから、3D空間でのロボットの動作軌道を生成することができる。
具体的には、まず2つの異なる視点からの画像上にユーザーがスケッチした2Dトラジェクトリを入力として受け取る。次に、レイトレーシングを用いてこれらの2Dスケッチから3D空間上の軌道分布を推定する。最後に、この分布に基づいて新しい動作軌道を生成することができる。
提案手法であるレイトレーシング確率的軌道学習(RPTL)は、シミュレーション実験と実ロボットでの評価を通して有効性が示されている。ユーザーのスケッチと整合性の高い3D動作軌道を生成でき、複雑な文字描写などの高度な動作も学習可能であることが確認された。さらに、固定ベースのマニピュレータや四足ロボットにも適用可能であり、ロボットの物理的な操作を必要としない直感的な操作方法を実現できることが示された。
統計
ユーザーがスケッチした2Dトラジェクトリから、レイトレーシングを用いて3D空間上の軌道分布を推定する。
推定した軌道分布に基づいて、新しい動作軌道を生成することができる。
提案手法は、シミュレーション実験と実ロボットでの評価を通して有効性が示されている。
引用
"Diagrammatic Teaching aims to teach robots novel skills by prompting the user to sketch out demonstration trajectories on 2D images of the scene, these are then synthesised as a generative model of motion trajectories in 3D task space."
"RPTL extracts time-varying probability densities from the 2D sketches, then applies ray-tracing to find corresponding regions in 3D Cartesian space, and fits a probabilistic model of motion trajectories to these regions."