[2G5-OS-47b] OS-47

4:15 PM - 4:30 PM JST(7:15 AM - 7:30 AM UTC)

[2G5-OS-47b-04] Data Design for End-to-End Imitation Learning in Human-Robot Collaboration

〇Kento Fukasawa^1,2, Yuta Yoshimura^3,2, Ryoichi Nakajo², Tetsuya Ogata^3,2, Yukiyasu Domae², Natsuki Yamanobe^2,1 (1. Tokyo University of Agriculture and Technology, 2. National Institute of Advanced Industrial Science and Technology, 3. Waseda University)

Keywords:

Human-robot collaboration,Imitation learning,Foundation model,Training data design

大規模データとモデルでの学習で得られる基盤モデルが，ロボットの汎用性を高めるものとして注目されている．しかし，人ロボット協働においては，人の動作の多様性や安全性の考慮といった特有の課題があり，基盤モデルの構築に向けたデータ設計の知見は十分ではない．加えて，基盤モデルは学習データ量の増加に従い性能が向上することが知られており，人ロボット協働では人由来の多様性を学習データにどう含めるかが重要となる．本研究では，人ロボット協働における基盤モデル構築に向けて，学習データの特性と行動方策の精度の関係性を，End-to-Endの模倣学習を通じて明らかにすることを目的とする．具体的には，タオルを手渡す協働タスクを対象に，データ量による動作精度の変化に加え，人の骨格情報を付与したデータ設計が挙動に与える影響を検証した．さらに，人との協働に不可欠な安全性を獲得させるため，特定の状況でロボットが待機動作を示すようなデータ設計の工夫を行い，安全な動作を実現するための要素を検討した．本検討により，人ロボット協働に適応可能な基盤モデルに必要となる，効果的な学習データ設計の指針を提示する．