{en_GB=Me and You Together: Collaboration Between a Robot and a Human in a Manipulation Game } {} EVALUATED

Detalhes: {pt=Neste trabalho investigamos como um robot, líder numa tarefa colaborativa, pode ser expressivo e eficiente. Para esse efeito, apresentamos um trabalho sobre manipulação colaborativa entre um robot e vários humanos, que se concentra no estudo do impatcto dos movimentos de um robot na percepção dos parceiros humanos durante a colaboração. Propomos uma arquitectura de sistema para o robot com base em Collaborative Probabilistic Movement Primitives (CoPMP), para a geração de movimento do robot, combinado com as noções de legibilidade e previsibilidade de movimentos para melhor expressar as intenções do robot. As CoPMP são úteis, uma vez que permitem o uso de aprendizagem a partir de demonstração para ensinar os movimentos ao robot e criar modelos para combinar os movimentos demonstrados em novos, adaptados para fins de colaboração. Também desenvolvemos uma terceira abordagem - movimento híbrido - que dá ao robot a capacidade de decidir entre a execução de um movimento previsível ou um movimento legível. Esta abordagem decide qual o movimento para executar dependendo do que o robot percebe como melhor para a colaboração, dado o facto de que ele interage com mais do que um utilizador. Para testar o impacto que essas três abordagens têm nas pessoas, nós planeámos um estudo com utilizadores usando um robot Baxter, onde ele enche copos de água a três pessoas que estão pedindo-o simultaneamente, ao tentar ser tão expressivo quanto possível. Os resultados obtidos mostram que o movimento híbrido tem um desempenho melhor do que as outras propostas neste cenário particular., en=In this work we investigate how a robot leading a collaborative task can be expressive and efficient. To that purpose we present a work on collaborative manipulation task between a robot and multiple humans, which focuses on understanding how a robot's movement impacts the human partners' perception of its intentions during the collaboration. We propose a system architecture for the robot based on the framework of Collaborative Probabilistic Movement Primitives (CoPMP), for the generation of the robot's motion, combined with the notions of legibility and predictability of motions to express the robot's intentions. The CoPMP are useful since they allow the use of learning from demonstration to teach movements to the robot and create models to combine those demonstrated movements in new ones adapted to collaborative purposes. Besides legible and predictable motions, we developed a third approach - hybrid motion - that gives the robot the capability of deciding between executing a predictable motion or a legible motion. This approach decides which motion to execute depending on what the robot perceives as better for the collaboration, given the fact that it interacts with more than one user. To test the impact that these three approaches have on people, we designed an user study with a Baxter robot, where it fills cups of water to three people that are asking it simultaneously, while trying to be as expressive as possible. The results obtained show that the hybrid motion performs better than the other motions in this particular scenario.}

Discussão: novembro 8, 2016, 9:0

Publicação

Obra sujeita a Direitos de Autor

Orientação

AUTOR

Miguel Afonso Tomás Faria (ist173092)

ORIENTADOR

Francisco António Chaves Saraiva de Melo

Departamento de Engenharia Informática (DEI)

Professor Auxiliar

ORIENTADOR

Ana Maria Severino de Almeida e Paiva

Departamento de Engenharia Informática (DEI)

Professor Catedrático