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型企业中变得越来越重要。然而，传统的工业机器人难以应对产品变化和动态环境。在本文中，我们提出了CoBT，一种协作演示编程框架，用于生成反应性和模块化行为树。CoBT依赖于单个演示和一组数据驱动的机器学习方法与基于逻辑的声明性学习来学习任务，从而消除了编程专业知识或长时间开发的需求。所提出的框架在7个操作任务上进行了实验验证，我们表明CoBT总体上实现了近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。

CoBT: 一种用于生成反应性和模块化行为树的协作演示编程框架，以解决工业机器人在产品变化和动态环境下的困难问题。

CoBT使用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，学习任务，从而消除了编程专业知识或长时间开发的需求。

在7个操作任务上进行实验验证，CoBT总体上实现了约93%的成功率，平均编程时间为7.5秒。进行了一项非专业用户的试点研究，以提供有关CoBT易用性的反馈。

最近的相关研究包括：\n1. Learning from Demonstration for Industrial Robots: A Review \n2. A Survey on Learning from Demonstration for Robotics