Towards natural human-robot collaboration during collision avoidance - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2020

Towards natural human-robot collaboration during collision avoidance

Vers une collaboration naturelle entre homme et robot lors de la prévention des collisions

Résumé

Classical approaches for robot navigation among people have focused on guaranteed collision-free motion with the assumption that people are either static or moving obstacles. However, people are not ordinary obstacles. People react to the presence and the motion of a robot. In this context, a robot that behaves in human-like manner has been shown to reduce overall cognitive effort for nearby people as they do not have to actively think about a robot's intentions while moving on its proximity.Our work is focused on replicating a characteristic of human-human interaction during collision avoidance that is the mutual sharing of effort to avoid a collision. Based on hundreds of situations where two people have crossing trajectories, we determined how total effort is shared between agents depending on several factors of the interaction such as crossing angle and time to collision. As a proof of concept our generated model is integrated into gls{rvo}. For validation, the trajectories generated by our approach are compared to the standard gls{rvo} and to our dataset of people with crossing trajectories.Collaboration during collision avoidance is not without its potential negative consequences. For effective collaboration both agents have to pass each other on the same side. However, whenever the decision of which side collision should be avoided from is not consistent for people, the robot should also account for the risk that both agents will attempt to incorrectly cross each other on different sides. Our work first determines the uncertainty around this decision for people. Based on this, a collision avoidance approach is proposed so that, even if agents initially choose to incorrectly attempt to cross each other on different sides, the robot and the person would be able to perceive the side from which collision should be avoided in their following collision avoidance action. To validate our approach, several distinct scenarios where the crossing side decision is ambiguous are presented alongside collision avoidance trajectories generated by our approach in such scenarios.
Ces dernières années, la tendance des robots capables de partager des espaces domestiques ou de travail avec des personnes a connu une croissance importante. Du robot guide à l’aspirateur autonome, ces robots dits "de service" sont de plus en plus intégrés dans la vie quotidienne des profanes.Bien que les progrès des logiciels et du matériel aient permis un comportement plus intelligent et plus autonome des robots, la présence plus répandue des robots parmi les gens pose un nouvel ensemble de défis pour la communauté scientifique. Même si les gens ne sont pas que des obstacles ordinaires, les approches classiques de navigation se sont concentrées sur la garantie d’un mouvement sans collision en supposant que les gens sont soit des obstacles statiques, soit des obstacles en mouvement. Traiter les gens comme des obstacles ordinaires signifie qu’un robot est incapable de tenir compte de la réaction d’une personne au mouvement du robot. Pour cette raison, un mouvement donné d’un robot peut être perçu comme dangereux ou inhabituel, ce qui incite les gens à adopter un mouvement plus prudent pendant qu’ils réfléchissent activement aux intentions du robot. Dans ce contexte, notre travail se concentre sur la manière dont un robot doit se déplacer au milieu des gens, ce qu’on appelle un problème de Mouvement homme-robot. Plus précisément, nous nous concentrons sur la reproduction d’une caractéristique de l’interaction homme-homme lors de la prévention des collisions, à savoir le partage mutuel des adaptations effectuées pour résoudre une collision.Etant donné que les situations d’évitement des collisions entre les personnes sont résolues en coopération, cette thèse modélise la manière dont cette coopération se fait afin qu’un robot puisse reproduire leur comportement. Pour ce faire, des centaines de situations où deux personnes ont des trajectoires de croisement ont été analysées. À partir de ces trajectoires humaines impliquant une tâche d’évitement des collisions, nous avons déterminé comment l’effort total est partagé entre chaque agent en fonction de plusieurs facteurs de l’interaction tels que l’angle de croisement, le temps avant collision ainsi que la vitesse. Pour valider notre approche, une preuve de concept est intégrée dans le framework Robot Operating System (ROS) utilisant une version modifiée de Reciprocal Velocity Objects (RVO) afin de répartir l’effort d’évitement des collisions de façon humanoïde.Bien que la modélisation de la manière dont un robot devrait collaborer avec des personnes ait fourni une base de référence importante pour le comportement d’évitement des collisions, la collaboration pendant une collision pourrait éventuellement engendrer de conséquences négatives. En particulier, pour assurer une collaboration efficace lors de la prévention des collisions, il est nécessaire de prévoir si la personne tentera d’éviter la collision en passant du côté gauche ou du côté droit, c’est-à-dire en prenant une décision de classe homotopie. Cependant, à situation ou cette décision de classe d’homotopie n’est pas cohérente pour les gens, le robot est obligé de tenir compte de la possibilité que les deux agents tentent de se croiser d’un côté ou de l’autre et prennent une décision nuisible à la prévention des collisions.Ainsi, dans cette thèse, nous évaluons également ce qui détermine la frontière qui sépare la décision d’éviter la collision d’un côté ou de l’autre. En faisant une approximation de l’incertitude entourant cette limite, nous avons élaboré une stratégie d’évitement des collisions qui tente de résoudre ce problème. Notre approche est basée sur l’idée que le robot doit planifier son mouvement d’évitement des collisions de telle sorte que, même si les agents, dans un premier temps, choisissent à tort de se croiser sur des côtés différents, le robot et la personne soient capables de percevoir
Fichier principal
Vignette du fichier
DA_SILVA_FILHO_2020_diffusion.pdf (7.47 Mo) Télécharger le fichier
Origine : Version validée par le jury (STAR)
Loading...

Dates et versions

tel-02501417 , version 1 (06-03-2020)
tel-02501417 , version 2 (27-08-2020)

Identifiants

  • HAL Id : tel-02501417 , version 2

Citer

José Grimaldo da Silva Filho. Towards natural human-robot collaboration during collision avoidance. Human-Computer Interaction [cs.HC]. Université Grenoble Alpes [2020-..], 2020. English. ⟨NNT : 2020GRALM003⟩. ⟨tel-02501417v2⟩
368 Consultations
98 Téléchargements

Partager

Gmail Facebook X LinkedIn More