이 논문은 인간-로봇 협업(HRC)을 위한 새로운 개념인 '관련성'을 소개하고 이를 활용한 의사결정 프레임워크를 제안한다.
관련성은 인간의 목표나 다른 요인에 따라 객체의 중요도를 나타내는 개념이다. 이 논문에서는 관련성을 정량화하기 위한 두 가지 루프 프레임워크를 제안한다. 비동기 루프는 대규모 언어 모델(LLM)을 활용하여 인간 목표와 관련 객체를 예측하고, 실시간 루프는 이를 바탕으로 장면 이해, 인간 의도 예측, 의사결정을 수행한다.
의사결정 모듈에서는 관련성 기반의 인간-로봇 작업 할당과 새로운 모션 계획 및 충돌 회피 방법론을 개발했다. 가상 장애물을 구축하고 이에 따른 반발력을 계산하여 인간의 미래 움직임을 예측하고 이에 대응하는 방식이다.
시뮬레이션 결과, 제안한 방법론은 충돌 사례를 63.76% 감소시키고 충돌 프레임을 44.74% 감소시켰다. 이를 통해 관련성 기반 의사결정이 HRC의 안전성과 효율성을 크게 향상시킬 수 있음을 보여준다.
To Another Language
from source content
arxiv.org
Viktige innsikter hentet fra
by Xiaotong Zha... klokken arxiv.org 09-24-2024
https://arxiv.org/pdf/2409.13998.pdfDypere Spørsmål