本论文旨在解决在工业相关场景中为机器人生成任务计划的难题。随着小批量生产的增加,企业要求机器人经常为新任务重新编程。然而,只有在大规模生产时,维持一支具备特定编程技能的操作员团队才具有成本效益。自动化程度的提高将目标定位在人类与机器人共享工作环境的企业,扩大了制造业的应用范围。为此,需要通过任务计划来控制机器人,从而安排和优化行动的执行顺序。本论文的重点是生成反应灵敏、透明、可解释、模块化和自动合成的任务计划。这些任务计划可提高机器人的自主性、容错性和鲁棒性。此外,这种任务计划还能促进与人类的合作,实现计划的直观呈现,并使人类有可能在运行时提示指令,以修改机器人的行为。最后,自主生成减少了操作员为机器人编程所需的编程技巧,并优化了任务计划。

本论文讨论了使用行为树(BT)作为机器人任务计划的策略表示。论文比较了行为树和有限状态机(FSM)的模块性,认为行为树在工业场景中更为有效。本论文还分别使用遗传编程法和从演示中学习法探索了自动和直观生成 BT 的方法。所提出的方法旨在为移动操纵任务高效地进化 BT,并允许非专业用户直观地教授机器人操纵任务。本论文强调了用户体验在任务解决中的重要性,以及用户体验如何使进化算法受益。最后,论文提出了使用以前从演示中学到的 BT 来干预无监督学习过程的方法。

成为VIP会员查看完整内容
35

相关内容

人工智能在军事中可用于多项任务,例如目标识别、大数据处理、作战系统、网络安全、后勤运输、战争医疗、威胁和安全监测以及战斗模拟和训练。
《可解释深度学习视角》2023最新博士论文
专知会员服务
41+阅读 · 2023年9月5日
《人机交互中机器学习的透明通信》论文
专知会员服务
31+阅读 · 2023年3月12日
【CMU博士论文】迈向高效自动机器学习,184页pdf
专知会员服务
30+阅读 · 2023年2月24日
《多智能体机器人装配规划算法》斯坦福195页博士论文
专知会员服务
35+阅读 · 2022年11月24日
《人机协同决策》252页论文
专知
5+阅读 · 2023年4月8日
国家自然科学基金
6+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
5+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
44+阅读 · 2009年12月31日
Arxiv
140+阅读 · 2023年4月20日
A Survey of Large Language Models
Arxiv
343+阅读 · 2023年3月31日
Arxiv
121+阅读 · 2023年3月24日
Arxiv
18+阅读 · 2023年3月17日
VIP会员
相关基金
国家自然科学基金
6+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
5+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
44+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员