GeoSACS: Geometric Shared Autonomy via Canal Surfaces

我们介绍了GeoSACS，这是一个用于共享自主（SA）的几何框架。在不同的环境中，SA方法可以将机器人能力与实时人类输入相结合，从而使人类从物理任务中解脱出来。为了保持直观性，简化人类输入要求（即降低维度）可能是有帮助的，但这也会为将低维人类输入映射到机器人更高维的控制空间而带来挑战，而不需要大量数据。我们基于运河曲面构建了GeoSACS，这是一个几何框架，将潜在的机器人轨迹表示为从仅两个演示中得出的运河。GeoSACS将用户纠正的运河横截面映射到提供高效SA框架的控制空间。我们扩展了运河曲面以考虑方向，并更新控制框架以支持从用户输入到机器人动作的直观映射。最后，我们在两个初步研究中展示了GeoSACS，包括一个复杂的操作任务，其中机器人将洗衣装入洗衣机。

GeoSACS提出了一个几何框架，用于在可变环境中实现共享自主性，以解决低维人类输入与高维机器人控制之间的映射问题。

GeoSACS基于运河曲面构建，将潜在的机器人轨迹表示为从仅两个演示中获得的运河，然后将用户纠正映射到运河的横截面上，提供高效的共享自主性框架。

论文在两项初步研究中演示了GeoSACS，包括一个复杂的操作任务，其中机器人将洗衣装入洗衣机。GeoSACS还考虑了方向并更新了控制框架，以支持从用户输入到机器人运动的直观映射。

在相关研究中，近期的一些研究包括：1.基于机器学习的共享自主性方法；2.使用深度学习和增强学习的机器人控制方法。