Learning Continuous Human-Robot Interactions from Human-Human Demonstrations

• Main Author: Vogt, David
• Other Authors: TU Bergakademie Freiberg, Mathematik und Informatik
• Format: Doctoral Thesis
• Language: English
• Published: Technische Universitaet Bergakademie Freiberg Universitaetsbibliothek "Georgius Agricola" 2018
• Subjects: Mensch-Roboter Interaktion; Imitationslernen; Maschinelles Lernen; Interaktionslernen; MRI; Mensch-Roboter Kollaboration; Virtuelle Realität; Human-Robot Interaction; Imitation Learning; Machine Learning; Interaction Learning; HRI; Human-Robot Collaboration; Virtual Reality; ddc:004; Mensch-Maschine-Kommunikation; Roboter; Modelllernen; Programmierung durch Vormachen
• Online Access: http://nbn-resolving.de/urn:nbn:de:bsz:105-qucosa-233262; http://nbn-resolving.de/urn:nbn:de:bsz:105-qucosa-233262; http://www.qucosa.de/fileadmin/data/qucosa/documents/23326/vogt_2b.pdf

In der vorliegenden Dissertation wurde ein datengetriebenes Verfahren zum maschinellen Lernen von Mensch-Roboter Interaktionen auf Basis von Mensch-Mensch Demonstrationen entwickelt. Während einer Trainingsphase werden Bewegungen zweier Interakteure mittels Motion Capture erfasst und in einem Zwei-Personen Interaktionsmodell gelernt. Zur Laufzeit wird das Modell sowohl zur Erkennung von Bewegungen des menschlichen Interaktionspartners als auch zur Generierung angepasster Roboterbewegungen eingesetzt. Die Leistungsfähigkeit des Ansatzes wird in drei komplexen Anwendungen evaluiert, die jeweils kontinuierliche Bewegungskoordination zwischen Mensch und Roboter erfordern. Das Ergebnis der Dissertation ist ein Lernverfahren, das intuitive, zielgerichtete und sichere Kollaboration mit Robotern ermöglicht.