由事件触发的机器人自我评估,以帮助自主性调整
Nicholas Conlon1, Nisar Ahmed1, Daniel Szafir2
1Cooperative Human-Robot Intelligence Laboratory, University of Colorado at Boulder, Boulder, CO, United States.
Frontiers in robotics and AI
|January 19, 2024
概括
调整机器人自主水平 (LOA) 对人机器人团队至关重要. 本研究介绍了一种评估机器人能力的方法,使得机器人能够明智地决定何时以及如何在操作过程中调整自主性.
科学领域:
- 机器人技术 机器人技术 机器人技术
- 人工智能的人工智能
- 人与机器人的交互
背景情况:
- 人机组面临复杂的任务,需要自主适应能力.
- 动态环境和机器人的局限性需要动态调整自主级别 (LOA).
- 评估机器人的能力是确定适当的LOA的关键.
研究的目的:
- 开发一个基于能力的机器人自主性的动态调整框架.
- 引入一个模型质量评估 (MQA) 度量来检测出意想不到的机器人观察.
- 为基于能力的自主性调整提供一个事件触发的通用化结果评估 (ET-GOA) 算法.
主要方法:
- 提出了一个模型质量评估 (MQA) 度量,将机器人观察与模型预测进行比较.
- 开发了一个以事件触发的通用化结果评估 (ET-GOA) 算法,使用MQA的变化来评估能力.
- 在模拟和实时机器人导航任务中验证了MQA和ET-GOA.
主要成果:
- MQA有效地检测到机器人的意想不到的观察.
- 分析了ET-GOA算法的计算成本和准确性,跨越各种值和干扰.
- 实验结果证明了算法的响应力对机器人性能变化.
结论:
- ET-GOA算法有助于做出明智的决定,调整机器人的自主性.
- 通过MQA评估机器人的能力是管理动态自主性的可行方法.
- 这项研究支持在复杂的操作场景中更有效的人机组合作.
