通过预期散度最大化的机器人程序参数交互式调整

视频

DOI

使不同用户能够为不同应用编程机器人对于机器人的广泛采用至关重要。大多数新型协作机器人 manipulator 都配备了直观的编程界面，允许新手用户编写机器人程序并调整其参数。然而，像运动速度或施加力这样的参数不容易演示，通常需要手动调整，导致繁琐的试错过程。为了解决这个问题，我们将一维参数的调整表述为一个主动学习问题，学习者通过选择信息丰富的查询迭代地细化其对参数可行范围的估计。通过执行参数化动作，学习者收集用户的反馈（以方向性答案"更高"、"更低"或"合适"的形式），并将其整合到估计中。我们针对此设置提出了一种基于预期散度最大化的主动学习方法，并与两个基于合成数据的基线进行了比较。我们进一步在通过简单的领域特定语言为机器人手臂编写的程序数据集上比较了这些方法，这些程序由专家用户手动调整（N=8）以执行四个操作任务。我们通过一项用户研究评估了我们交互式调整方法的有效性和可用性，新手用户（N=8）调整了人机交接程序的参数。