elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Impressum | Datenschutz | Kontakt | English
Schriftgröße: [-] Text [+]

Collaborative Programming of Conditional Robot Tasks

Willibald, Christoph und Eiband, Thomas und Lee, Dongheui (2020) Collaborative Programming of Conditional Robot Tasks. In: 2020 IEEE/RSJ International Conference on Intelligent Robots and Systems, IROS 2020. 2020 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), 2020-10-25 - 2020-10-29, Las Vegas, NV, USA (Virtual). doi: 10.1109/iros45743.2020.9341212. ISBN 978-172816212-6. ISSN 2153-0858.

[img] PDF
5MB

Kurzfassung

Conventional robot programming methods are not suited for non-experts to intuitively teach robots new tasks. For this reason, the potential of collaborative robots for production cannot yet be fully exploited. In this work, we propose an active learning framework, in which the robot and the user collaborate to incrementally program a complex task. Starting with a basic model, the robot's task knowledge can be extended over time if new situations require additional skills. An on-line anomaly detection algorithm therefore automatically identifies new situations during task execution by monitoring the deviation between measured- and commanded sensor values. The robot then triggers a teaching phase, in which the user decides to either refine an existing skill or demonstrate a new skill. The different skills of a task are encoded in separate probabilistic models and structured in a high-level graph, guaranteeing robust execution and successful transition between skills. In the experiments, our approach is compared to two state-of-the-art Programming by Demonstration frameworks on a real system. Increased intuitiveness and task performance of the method can be shown, allowing shop-floor workers to program industrial tasks with our framework.

elib-URL des Eintrags:https://elib.dlr.de/139209/
Dokumentart:Konferenzbeitrag (Vortrag)
Titel:Collaborative Programming of Conditional Robot Tasks
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Willibald, ChristophChristoph.Willibald (at) dlr.dehttps://orcid.org/0000-0003-3579-4130NICHT SPEZIFIZIERT
Eiband, ThomasThomas.Eiband (at) dlr.dehttps://orcid.org/0000-0002-1074-9504NICHT SPEZIFIZIERT
Lee, DongheuiDongheui.Lee (at) dlr.dehttps://orcid.org/0000-0003-1897-7664NICHT SPEZIFIZIERT
Datum:2020
Erschienen in:2020 IEEE/RSJ International Conference on Intelligent Robots and Systems, IROS 2020
Referierte Publikation:Ja
Open Access:Ja
Gold Open Access:Nein
In SCOPUS:Ja
In ISI Web of Science:Ja
DOI:10.1109/iros45743.2020.9341212
ISSN:2153-0858
ISBN:978-172816212-6
Status:veröffentlicht
Stichwörter:Learning from Demonstration; Programming by Demonstration; Human-Robot Collaboration; Intuitive Programming; Interactive Robot Learning
Veranstaltungstitel:2020 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)
Veranstaltungsort:Las Vegas, NV, USA (Virtual)
Veranstaltungsart:internationale Konferenz
Veranstaltungsbeginn:25 Oktober 2020
Veranstaltungsende:29 Oktober 2020
Veranstalter :IEEE
HGF - Forschungsbereich:Luftfahrt, Raumfahrt und Verkehr
HGF - Programm:Raumfahrt
HGF - Programmthema:Technik für Raumfahrtsysteme
DLR - Schwerpunkt:Raumfahrt
DLR - Forschungsgebiet:R SY - Technik für Raumfahrtsysteme
DLR - Teilgebiet (Projekt, Vorhaben):R - Intuitive Mensch-Roboter Schnittstelle [SY]
Standort: Oberpfaffenhofen
Institute & Einrichtungen:Institut für Robotik und Mechatronik (ab 2013)
Hinterlegt von: Willibald, Christoph
Hinterlegt am:07 Dez 2020 11:11
Letzte Änderung:24 Apr 2024 20:40

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags

Blättern
Suchen
Hilfe & Kontakt
Informationen
electronic library verwendet EPrints 3.3.12
Gestaltung Webseite und Datenbank: Copyright © Deutsches Zentrum für Luft- und Raumfahrt (DLR). Alle Rechte vorbehalten.