人間とロボットのインタラクションにおける自律行動評価の学習
Learning to Evaluate Autonomous Behaviour in Human-Robot Interaction
人間とロボットの協調作業における模倣学習の性能を、軌道の質に基づいて評価するニューラルメタ評価器（NeME）を提案し、人間を介さずにロボット制御ポリシーを比較できる枠組みを構築した。
詳しい要約
1. どんなもの？
2. 先行研究と比べてどこがすごい？
3. 技術・手法の肝は？
4. どうやって有効だと検証した？
5. 議論はある？
6. 次に読むべき論文は？
※ AIが要旨から生成した要約です。正確性は原文をご確認ください。
著者: Matteo Tiezzi, Tommaso Apicella, Carlos Cardenas-Perez, Giovanni Fregonese, Stefano Dafarra, Pietro Morerio, Daniele Pucci, Alessio Del Bue
分類: cs.RO, cs.CV, cs.LG
原文アブストラクト
Evaluating and comparing the performance of autonomous Humanoid Robots is challenging, as success rate metrics are difficult to reproduce and fail to capture the complexity of robot movement trajectories, critical in Human-Robot Interaction and Collaboration (HRIC). To address these challenges, we propose a general evaluation framework that measures the quality of Imitation Learning (IL) methods by focusing on trajectory performance. We devise the Neural Meta Evaluator (NeME), a deep learning model trained to classify actions from robot joint trajectories. NeME serves as a meta-evaluator to compare the performance of robot control policies, enabling policy evaluation without requiring human involvement in the loop. We validate our framework on ergoCub, a humanoid robot, using teleoperation data and comparing IL methods tailored to the available platform. The experimental results indicate that our method is more aligned with the success rate obtained on the robot than baselines, offering a reproducible, systematic, and insightful means for comparing the performance of multimodal imitation learning approaches in complex HRI tasks.
関連論文
- 人間とロボットの相互作用のための確率的物理デジタルツイン人間ロボットインタラクション
- ロボットのユーモアを交えた謝罪が信頼回復に与える影響の研究人間ロボットインタラクション
- 公共空間におけるRoboCafé：長期的な人間とロボットのインタラクションにおける継続性人間ロボットインタラクション
- 教師の期待とロボット学習を結ぶ結合ダイナミクス人間ロボットインタラクション
- 共形リスク制御を用いた人間とロボットのインタラクションのための安全な確率的計画人間ロボットインタラクション
- 自然言語環境に向けて：自然言語による人間と複数ロボットのシームレスなインタラクションの理解人間ロボットインタラクション
