Jun, 2023

基于知识驱动的人机交互虚拟现实演示的机器人程序合成

PDF
TL;DR本文介绍了一种通过虚拟现实人类任务演示自动生成可执行机器人控制程序的系统，利用常识知识和基于游戏引擎的物理，以及自动路径规划和代码生成，实现了具有表现力和通用性的任务表示，在强力抓取和放置机器人购物助手的场景中进行了演示。
assistance robotsknowledge representations and reasoningrobot control programsvirtual realitypath planning
发现论文，激发创造
  • 辅助模型生成人机交互场景

    在人机交互系统中，结合代理模型的场景生成系统可以有效地合成多样而具有挑战性的场景，并且在真实世界的交互中可以重现这些失败情境。

    Apr, 2023

  • 使用模仿学习和力控制的可普适的人机协作装配

    本文介绍了一种基于演示学习和姿态估计的人机协作装配系统，使机器人能够适应于人类操作中的不确定性，我们的实验表明，系统能成功地适应于不同的目标位置。

    Dec, 2022

  • 利用虚拟现实演示学习个性化的、具有人类意识的机器人导航 —— 来自用户研究的证明

    本研究提出了一个新的增强学习框架，通过直观的虚拟现实演示界面，训练个性化的导航控制器。用户研究表明，我们的个性化方法显著优于传统方法，学习到的控制器具有良好的泛化性能和在导航过程中反映用户偏好的能力。最后，我们将导航控制器转移到真实机器人上，保持了较好的性能。

    Mar, 2022

  • 利用人类引导的因果知识实现更一般化的机器人任务规划

    通过人类引导的因果知识的使用，作者在语言接口和机器人上开发和测试了一种方法，可以使机器人在新环境中获得泛化解决方案。

    Oct, 2021

  • 识别和理解隐含的求助需求并综合援助行动的常识推理

    提出了一种利用场景图生成和常识知识的架构来检测用户隐含需求并生成一组辅助动作的方法，同时也使用情感分析来解决任务，实现了感知、决策、动作循环的嵌入。

    Feb, 2022

  • 将机器人的表示与人类对齐

    研究了如何将在一个环境中学到的知识传递到另一个环境中的关键问题，并通过学习人类期望机器人执行哪些任务的中间表示方法，来提高机器人学习效率，从而为人类与机器人的互动打下基础。

    May, 2022

  • 利用知识表示和任务规划实现机器人无关的接触丰富擦拭任务技能

    该研究论文探讨了灵活制造、工业 4.0 和高混合低容量任务所需的机器人编程解决方案，并展示了如何使用知识表示、任务规划和基于输入参数的技能实现的自动选择，在不同的环境中执行具有接触性擦拭任务的单一机器人技能。

    Aug, 2023

  • 基于 GPU 仿真和高质量演示的交互式人类样学习加速

    利用 GPU 模拟技术和模仿学习指导策略搜索以使强化学习培训可在高维机器人手表现复杂控制问题的领域中成为可能，最终演示了并行强化学习和模仿学习的互补优势和优秀的验证结果。

    Dec, 2022

  • 交互式机器人操作的混合组合推理方法

    本文介绍了一种神经符号 (混合) 组合推理模型，以将语言引导的视觉推理与机器人操作相结合。该模型通过使用共享的原始技能库以任务非特定的方式处理所有情况。通过语言解析器将输入查询映射为由这些原语组成的可执行程序取决于上下文。结果表明，该方法达到了非常高的准确性，同时可以进行少量的视觉微调，从而实现了真实场景的可转移性。

    Oct, 2022

  • 弱监督分解学习中的示范学习

    通过概率生成模型的优化问题，使用高容量神经网络进行可解释的演示学习任务，以高层次概念对其潜在变量进行对齐，并与末端用户标签进行比较，基于两个针对桌面机器人操作的任务（用海绵擦拭和容器之间的倾倒），验证了此方法。

    Jun, 2020