| Source DB | nl |
|---|
| Institution | KU Leuven |
|---|
| Code | d5aec2bf-4913-481c-aa9a-2ddbe3b71815 |
|---|
| Unit | 22358ad3-f0c0-4e35-88ca-7350f696036a
|
|---|
| Begin | 6/12/2019 |
|---|
| End | 6/12/2023 |
|---|
| title fr |
|
|---|
| title nl | Door de mens bewezen robotvaardigheden generaliseren: toepassingen voor manipulatietaken in contact
|
|---|
| title en | Generalizing human-demonstrated robots skills: applications to manipulation tasks in contact
|
|---|
| Description fr |
|
|---|
| Description nl | Van toekomstige robots wordt verwacht dat ze een veelvoud aan complexe taken met grote variabiliteit uitvoeren, in nauwe samenwerking of zelfs fysiek contact met mensen, en in industriële en niet-industriële omgevingen. Zowel mens-robot interactie als taakvariabiliteit zijn grote uitdagingen. Veel vooruitgang is nodig zodat: (1) robots de intentie van de mens herkennen en reageren met mensachtige bewegingen; (2) eindgebruikers van robots, zoals operators op de fabrieksvloer of mensen thuis, kunnen op een intuïtieve manier robots inzetten voor nieuwe taken of nieuwe situaties, bijvoorbeeld door de taak gewoon aan de robot te demonstreren. De fundamentele uitdaging in dit voorstel is: hoe kan een robot een vaardigheid die in een bepaalde situatie is aangetoond, generaliseren en op nieuwe situaties toepassen? Dit project richt zich op vaardigheden met betrekking tot starre objecten die worden gemanipuleerd door een robot of een mens en volgt een modelgebaseerde aanpak die bestaat uit: (1) conversie van de gedemonstreerde gegevens naar een innovatieve invariante weergave van beweging en interactiekrachten; (2) generalisatie van deze weergave naar een nieuwe situatie door een optimaal besturingsprobleem op te lossen waarbij de gelijkenis met de invariante weergave wordt gehandhaafd terwijl wordt voldaan aan de beperkingen die door de nieuwe context worden opgelegd. Bijkomende kennis over de taak kan worden toegevoegd in de beperkingen. Dit doctoraat zal zich richten op de ontwikkeling van de toepassing van vaardigheidsgeneralisatie op robotmanipulatietaken waarbij contact plaatsvindt, zoals contour- of oppervlakvolging en assemblage.
|
|---|
| Description en | Future robots are expected to perform a multitude of complex tasks with high variability, in close collaboration or even physical contact with humans, and in industrial as well as in non-industrial settings. Both human-robot interaction and task variability are major challenges. A lot of progress is needed so that: (1) robots recognize the intention of the human and react with human-like motions; (2) robot end-users, such as operators on the factory floor or people at home, are able to deploy robots for new tasks or new situations in an intuitive way, for example by just demonstrating the task to the robot. The fundamental challenge addressed in this proposal is: how can a robot generalize a skill that has been demonstrated in a particular situation and apply it to new situations? This project focuses on skills involving rigid objects manipulated by a robot or a human and follows a model-based approach consisting of: (1) conversion of the demonstrated data to an innovative invariant representation of motion and interaction forces; (2) generalization of this representation to a new situation by solving an optimal control problem in which similarity with the invariant representation is maintained while complying with the constraints imposed by the new context. Additional knowledge about the task can be added in the constraints. This PhD will focus on developing application of skill generalization to robot manipulation tasks involving contact, such as contour or surface following and assembly.
|
|---|
| Qualifiers | - robotics - |
|---|
| Personal | Aertbeliën Erwin, De Schutter Joris |
|---|
| Collaborations | |
|---|
