专栏首页arxiv.org翻译专栏微重力环境下的人-机器人协作:目标切换问题(CS RO)
原创

微重力环境下的人-机器人协作:目标切换问题(CS RO)

协同空间机器人是一个新兴的研究领域,具有很高的影响力,因为机器人在长时间的任务中以更高的精度与宇航员协作,在时间紧、风险小、无需生命支持的情况下,使其更高效、更经济可行。然而,由于微重力环境下机器人和机械手的特殊运动动力学特性,在空间中的人-机器人协作仍然是一个挑战,涉及到失重物体的操纵和移动等关键问题。因此,本文提出并验证了一种算法,该算法能使装备机械手的自由飞行机器人成功、流畅、动态地完成机器人对人和人对机器人的对象切换。在此基础上,利用跳跃装置开发了虚拟现实用户交互界面,并进行了系统的用户研究。本研究旨在分析使用者在物件移交过程中对刚性与柔顺阻抗机器人行为的偏好,并了解这些行为对工作成功的影响。结果表明,在任务执行过程中,刚性行为总体上更为可取,迁移成功率更高。

原文题目:Human-Robot Collaboration in Microgravity: The Object Handover Problem

原文:Collaborative space robots are an emerging research field with high impact as robots facilitate servicing functions in collaboration with astronauts with higher precision during lengthy tasks, on a tight schedule, with less risk and without requiring life support, making them more efficient and economically more viable. However, human-robot collaboration in space is still a challenge concerning key issues such as manipulation of weightless objects and mobility due to the peculiar motion dynamics of the robot and the manipulator on a microgravity environment. Therefore, this paper formulates and validates an algorithm that enables a free-flyer robot equipped with a manipulator to perform a successful, fluent, and dynamic robot-to-human and human-to-robot object handover. Furthermore, a virtual reality user interaction interface is developed using a Leap Motion device and a systematic user study is conducted. This study aims to analyse the user's preferences between a rigid and compliant impedance robot behavior during the object handover and to understand the impact of those behaviors on the success of the task. The results showed that the rigid behavior was overall more preferable and registered higher transfer success during the tasks.

原文作者:Adriana Fernandes,Rodrigo Ventura

原文地址:https://arxiv.org/abs/2005.05735

原创声明,本文系作者授权云+社区发表,未经许可,不得转载。

如有侵权,请联系 yunjia_community@tencent.com 删除。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 基于分层需求的协同多机器人系统自适应框架(CS RO)

    在复杂和动态环境中,对多机器人和群体系统的研究已经引起了对代理人的合作和协调的极大兴趣。 为了有效地适应未知环境并最大程度地发挥团队的作用,机器人需要合作,共享...

    时代在召唤
  • 集成状态估计、控制和学习的主动推理(CS RO)

    提出了一种机器人控制、状态估计和学习模型(hyper)参数的方法。它是基于主动推理框架的,在计算神经科学中作为一种大脑理论非常突出,在这个框架中,行为源于最小化...

    时代在召唤
  • 可数加性效应理论中确定性模型和概率模型的二分法(CS AI)

    效应理论是一种相对新的范畴逻辑方法,可以看作是广义概率理论(GPTs)的抽象形式。 虽然GPT的标量总是真实的单位间隔[0,1],但在一个效应中,它们可以形成任...

    时代在召唤
  • QQfamily Character Identity Video

    腾讯ISUX
  • 这1000万用户该怎么办?

    Chrome开发团队,2018年11月18日发出了Manifest V3的草案,共19页:

    前端黑板报
  • 视觉对话的形态平衡模型(cs AI)

    可视化对话任务需要一个模型来利用图像和对话上下文信息来生成对话的下一个响应。然而,通过人工分析,我们发现大量的会话问题可以通过只看图像而不访问上下文历史来回答,...

    RockNPeng
  • Starlight:帮助Python代码在Go中运行的工具

    I’d like to announce starlight - https://github.com/starlight-go/starlight.

    李海彬
  • 因果关系和批量强化学习:未知领域中计划的补充方法(CS LG)

    强化学习算法在在线学习环境中取得了巨大的成功。但是,这些成功依赖于算法Agent与其环境之间的低风险交互。在许多可能使用RL的环境中,例如医疗保健和自动驾驶,大...

    小童
  • Monkey's Audio vs. WavPack vs. FLAC By HKL,

    For a long time I’ve been thinking about getting a HTPC running Windows Media Ce...

    hiplon
  • 采用微前端的动机,好处和问题:多声文学评论(CS SE)

    Micro-Frontends越来越受欢迎,已被DAZN,宜家,星巴克等多家大公司采用。Micro-Frontends可以将单片前端拆分为独立的较小的微型应用程...

    刘子蔚

扫码关注云+社区

领取腾讯云代金券