A machine learning approach to resolving conflicts in physical human-robot interaction
Fiziksel insan-robot etkileşiminde çatışmaların çözümü için bir makine öğrenmesi yaklaşımı
- Tez No: 925664
- Danışmanlar: PROF. DR. ÇAĞATAY BAŞDOĞAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Makine Mühendisliği, Mühendislik Bilimleri, Computer Engineering and Computer Science and Control, Mechanical Engineering, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Koç Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Makine Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 69
Özet
Yapay zeka teknikleri ileride daha sofistike hale geldikçe, insanlarla işbirliği yapan robotların kendi niyetlerini geliştireceğini ve bu da insan-robot etkileşiminde potansiyel çatışmalara yol açacağını öngörüyoruz. Bu olası gelişme, fiziksel insan-robot etkileşimi alanında ileri düzey çatışma çözümleme stratejileri gerektirir ki bu da araştırmamızın temel odak noktasıdır. Bu tezde önerdiğimiz yaklaşımda, bir makine öğrenimi (MÖ) sınıflandırıcısı kullanarak işbirlikli manipülasyon görevleri sırasında çatışmaları tespit ediyor ve bir admitans kontrolcüsü kullanarak robotun davranışını buna göre uyarlıyoruz. İki grup etkileşime odaklanıyoruz, bunlar“uyumlu”ve“çatışmalı”olarak sınıflandırılmıştır. Bu sınıflar, sırasıyla insan ve robotun aynı hedef için birlikte bir nesneyi taşırken uyum içinde çalıştığı ve insanın manipülasyon planını, örneğin nesnenin hareket yönünü veya park yerini değiştirdiği zaman çatışma yaşandığı durumlara karşılık gelmektedir. Önerilen MÖ yaklaşımının etkinliğini araştırmak için 20 deneğin katıldığı işbirlikli manipülasyon deneyleri tasarlandı. MÖ yaklaşımını kullanan robot ile elde edilen görev performansı, üç alternatif yaklaşımla elde edilen performanslarla karşılaştırıldı: a) Kural Tabanlı (KT) bir yaklaşım kullanan robot: bu yaklaşımda, etkileşimleri sınıflandırmak için haptik verilerin istatistiksel dağılımlarından yola çıkarak kurallar türetilmiştir; b) uyumlu etkileşimler sırasında proaktif olan ancak diğer durumlarda çatışmaları çözümleyemeyen dirençli bir robot; ve c) her zaman insanın komutlarını takip eden pasif bir robot. Bu son yaklaşım, fiziksel insan-robot etkileşimi literatüründe“el rehberliği”olarak bilinir ve endüstriyel ortamlarda işbirlikçi bir robota bir yörünge“öğretmek”için sıklıkla kullanılır. Sonuçlar, önerilen MÖ yaklaşımının görev performansı açısından diğerlerinden üstün olduğunu göstermektedir. Ancak, deneylerden sonra uygulanan detaylı bir anket, robotun pasif olduğu yaklaşımın, süpriz şekilde, denekler tarafından en çok tercih edildiğini göstermiştir. Bu seçim, görev performansı açısından verimli bir yaklaşım olmasa bile, insanlara daha fazla kontrol sağladığı ve daha az talepkar olduğu için tercih edilmiştir. Sonuç olarak bu tez, gelecekte etkili fiziksel insan-robot etkileşimi sistemleri geliştirmek için ortak görev performansı ile insanın subjektif etkileşim tercihleri arasında dengeli bir yaklaşım gerektiğini göstermektedir.
Özet (Çeviri)
As artificial intelligence techniques become more sophisticated, we anticipate that robots collaborating with humans will develop their own intentions, leading to potential conflicts in interaction. This development calls for advanced conflict resolution strategies in physical human-robot interaction (pHRI), a key focus of our research. We use a Machine Learning (ML) classifier to detect conflicts during co-manipulation tasks to adapt the robot's behavior accordingly using an admittance controller. In our approach, we focus on two groups of interactions, namely“harmonious”and“conflicting”, corresponding to the cases of the human and the robot working in harmony to transport an object when they aim for the same target and human and robot are in conflict when human changes the manipulation plan such as a change in the direction of movement or parking location of the object, respectively. Co-manipulation scenarios were designed to investigate the efficacy of the proposed ML approach, involving 20 participants. Task performance achieved by the ML approach was compared against three alternative approaches: a) a Rule-Based (RB) Approach, where interaction behaviors were rule-derived from statistical distributions of haptic features; b) an unyielding robot that is proactive during harmonious interactions but does not resolve conflicts otherwise, and c) a passive robot which always follows the human partner. This mode of cooperation is known as“hand guidance”in pHRI literature and is frequently used in industrial settings for so-called“teaching”a trajectory to a collaborative robot. The results show that the proposed ML approach is superior to the others in task performance. However, a detailed questionnaire administered after the experiments, which contains several metrics, covering a spectrum of dimensions, to measure the subjective opinion of the participants reveals that the most preferred mode of interaction with the robot is surprisingly passive. This preference indicates a strong inclination towards an interaction mode that gives more control to humans and offers less demanding interaction, even if it is not the most efficient in task performance. Hence, there is a clear trade-off between task performance and the preferred mode of interaction of humans with a robot, and a well-balanced approach is necessary for designing effective pHRI systems in the future.
Benzer Tezler
- Cyber tools as foreign policy instruments in trilateral relations: Analysing cyber-attacks targeting the United Kingdom
Üçlü ilişkilerde dış politika aracı olarak siber araçlar: Birleşik Krallık'ı hedef alan siber saldırıların analizi
ATAKAN YILMAZ
Doktora
İngilizce
2024
Siyasal BilimlerGalatasaray ÜniversitesiUluslararası İlişkiler Ana Bilim Dalı
DOÇ. DR. MENENT SAVAŞ CAZALA
- Yaparak öğrenme ve dijital fabrikasyonun kesişimi: Kendi aracını tasarlamak
The intersection of learning by doing and digital fabrication: Designing your own tool
EKİN ÜNLÜ
Yüksek Lisans
Türkçe
2022
Mimarlıkİstanbul Teknik ÜniversitesiMimarlık Ana Bilim Dalı
DOÇ. DR. SEMA ALAÇAM
- Digitalization in construction claim management
İnşaat hak talebi yönetiminde dijitalleşme
NİL DENİZMEN
Yüksek Lisans
İngilizce
2025
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. DENİZ ARTAN
- Entity-relationship diagram generation with natural language processing and machine learning approach
Doğal dil işleme ve makine öğrenmesi yaklaşımıyla varlık-ilişki diyagram üretimi
MERTALİ KÖPRÜLÜ
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolIşık ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ EMİNE EKİN
- Adaptive system for dynamic handling of concept drift: Detection, modeling, and weighted ensemble predictions
Konsept kaymasıyla dinamik başa çıkmak için adaptif sistem: Tespit, modelleme ve ağırlıklı oylama ile tahmin
BARIŞ ÖZCAN
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiVeri Bilimi Ana Bilim Dalı
PROF. DR. BANU GÜNEL KILIÇ