FenixEdu™

Dissertação

Learning the Sequence of Packing Irregular Objects from Human Demonstrations EVALUATED

Detalhes: Os supermercados exclusivamente online têm expandido consideravelmente nos últimos anos. O seu funcionamento requer embalar e expedir milhões de encomendas da forma mais eficiente possível. A automatização do processo de embalar os produtos tem progredido lentamente, principalmente devido à complexidade inerente a embalar de forma segura objetos irregulares. As restrições que esta tarefa impõe sobre o posicionamento e manipulação dos objetos, e as variadas propriedades físicas dos mesmos tornam ineficazes comportamentos pré-programados. A abordagem proposta consiste em aprender diretamente de demonstrações, extraíndo conhecimento implícito da tarefa. Como tal, é reunido um novo e diversificado dataset de demonstrações de indivíduos a arrumar objetos em realidade virtual. No total, 263 caixas foram arrumadas com objetos de supermercado por 43 participantes, resultando em 4644 manipulações de objetos. Este dataset é anotado com múltiplos parâmetros e e atualmente é o mais diversificado entre os que contém objetos irregulares. O dataset tem potencial para treinar modelos para obter um uso eficiente do espaço, gerar posicionamentos seguros para os objetos e comportamentos semelhantes a humanos, aumentando a confiança nesta tarefa de colaboração com robôs. Utilizando estes dados é treinada uma cadeia de Markov que permite estimar a sequência de arrumação para um conjunto de objetos. O modelo proposto faz estimações em tempo real, apenas requer uma aprendizagem simples e rápida, e captura com exatidão as estratégias que os indivíduos utilizam durante a tarefa. Resultados experimentais revelam que o modelo proposto gera sequências que são indistinguíveis daquelas geradas por humanos.
Keywords: Embalar Produtos, Aprendizagem Através de Demonstrações, Datasets para Aprendizagem Robótica, Automatização Centrada em Humanos

Discussão: novembro 16, 2022, 9:0