Bilateral teleoperation is an efficient and powerful solution for conducting manipulation tasks through the robot in remote or hazardous environments such as work in height situations, or radioactive hot cells. However, performing repetitive manipulation tasks through bilateral teleoperation induces heavy human workload. The common repetitive and difficult task in real teleoperation scenario is rotational manipulation task. Therefore, we propose a framework for learning rotational manipulation skill from bilateral teleoperation, with a single demonstration.
The skill of conducting rotational manipulation task should include trajectory information, as well as physical interaction information. Therefore, we first present a method to learn trajectory and physical interaction information for the task. Afterwards, we describe a method to successfully perform the task to the new target goal, along with generated trajectory and learned physical interaction information.
Additionally, we explain the way to apply human-autonomy shared teleoperation system with proposed framework. The results show that failures caused by estimation error of the target goal can be successfully overcome with minimal human operator intervention through shared teleoperation system with proposed framework.
양방향 원격 제어를 통한 로봇 조작은 원격 또는 위험한 환경에서 로봇을 통해 조작 작업을 수행하는 효율적인 방법이다. 하지만, 양방향 원격 제어를 통해 반복적이고 어려운 조작 작업을 수행하는 것은 원격조작자에게 큰 작업 부하를 야기한다. 실제 원격 조작 환경에서 반복적이고 어려운 대표적인 작업은 회전 조작 작업이다. 따라서, 본 논문에서는 양방향 원격 제어를 통해 회전 조작 기술을 학습하기 위한 프레임워크를 제안한다.
회전 조작 작업 기술의 학습을 위해서는 궤적 정보와 물리적 상호작용 정보를 동시에 학습해야 한다. 따라서, 본 논문에서는 회전 조작 작업 궤적과 물리적 상호작용 정보를 학습하는 새로운 방법을 제시한다. 이후 새로운 목표 지점에 대해 생성된 궤적 정보와 함께 학습된 물리적 상호작용 정보를 활용해 작업을 성공적으로 수행하는 방법을 제안한다.
추가적으로, 제안된 로봇 학습 프레임워크를 통해 원격-자율 공유제어 시스템을 적용하는 방법을 설명한다. 이 공유제어 시스템을 통해 최소한의 원격 조작자의 개입으로 목표 지점 추정 오류로 인한 작업 실패를 성공적으로 극복할 수 있음을 확인하였다.
