本論文は、人間-ロボット協調(HRC)における安全性と効率性の向上を目的としている。人間の知性には、重要な環境要素に的を絞る能力があり、これにより知覚、学習、推論、意思決定が強化される。この認知メカニズムに着想を得て、著者らは「関連性」という新しい概念を提案した。関連性とは、人間の目的や他の要因に基づいたオブジェクトの重要性を表す。
本論文では、関連性を定量化し、HRCに適用するための2つのループからなるフレームワークを開発した。非同期ループでは、大規模言語モデル(LLM)から得られる世界知識を活用して関連性を定量化する。リアルタイムループでは、シーン理解、人間の意図予測、関連性に基づく意思決定を行う。
意思決定モジュールでは、人間-ロボットタスク割り当てと、人間の軌道予測に基づく新しい運動生成・衝突回避手法を開発した。シミュレーションと実験の結果、関連性の定量化手法は人間の目的と関連オブジェクトを高精度に予測できることが示された(最大で目的予測精度0.90、関連予測精度0.96)。また、提案の運動生成手法は、従来手法と比べて衝突ケースを63.76%、衝突フレームを44.74%削減できることが確認された。
다른 언어로
소스 콘텐츠 기반
arxiv.org
더 깊은 질문