CoBT: Collaborative Programming of Behaviour Trees from One Demonstration for Robot Manipulation

大规模定制和更短的制造周期在中小企业中变得越来越重要。然而，传统的工业机器人很难应对产品变化和动态环境。本文介绍了CoBT，一种通过演示进行协作编程的框架，用于生成反应性和模块化的行为树。CoBT依赖于单个演示和数据驱动的机器学习方法与基于逻辑的声明性学习相结合来学习任务，从而消除了编程专业知识或长时间开发的需要。我们在7个操作任务上实验验证了所提出的框架，并展示CoBT总体上实现了约93%的成功率，平均编程时间为7.5秒。我们进行了一项非专业用户的试点研究，以提供有关CoBT可用性的反馈。

解决问题的框架：CoBT是一个协作式的演示编程框架，旨在解决传统工业机器人在面对产品变化和动态环境时的困难。

关键思路：CoBT利用单次演示和数据驱动的机器学习方法结合基于逻辑的声明式学习来学习任务，从而消除了需要编程专业知识或长时间开发的需求。

亮点：CoBT在7个操作任务上进行了实验验证，总体上实现了近93%的成功率，平均编程时间为7.5秒。论文还进行了一项针对非专业用户的试点研究，以评估CoBT的可用性。

相关研究：最近的相关研究包括：1.《基于机器学习的协作式机器人编程》；2.《面向任务的机器人编程：一种回路学习方法》；3.《基于示教的机器人编程：现状和未来方向》等。