Learning movement synchronization in multi-component robotic systems

Mohammad Thabet, Alberto Montebelli, Ville Kyrki

Tutkimustuotos: Artikkeli kirjassa/konferenssijulkaisussaConference contributionScientificvertaisarvioitu

1 Sitaatiot (Scopus)

Abstrakti

Imitation learning of tasks in multi-component robotic systems requires capturing concurrency and synchronization requirements in addition to task structure. Learning time-critical tasks depends furthermore on the ability to model temporal elements in demonstrations. This paper proposes a modeling framework based on Petri nets capable of modeling these aspects in a programming by demonstration context. In the proposed approach, models of tasks are constructed from segmented demonstrations as task Petri nets, which can be executed as discrete controllers for reproduction. We present algorithms that automatically construct models from demonstrations, showing how elements of time-critical tasks can be mapped into task Petri net elements. The approach is validated by an experiment in which a robot plays a musical passage on a keyboard.

AlkuperäiskieliEnglanti
Otsikko2016 IEEE International Conference on Robotics and Automation, ICRA 2016
KustantajaIEEE
Sivut249-256
Sivumäärä8
Vuosikerta2016-June
ISBN (elektroninen)9781467380263
DOI - pysyväislinkit
TilaJulkaistu - 8 kesäkuuta 2016
OKM-julkaisutyyppiA4 Artikkeli konferenssijulkaisuussa
TapahtumaIEEE International Conference on Robotics and Automation - Stockholm, Ruotsi
Kesto: 16 toukokuuta 201621 toukokuuta 2016

Conference

ConferenceIEEE International Conference on Robotics and Automation
LyhennettäICRA
MaaRuotsi
KaupunkiStockholm
Ajanjakso16/05/201621/05/2016

Sormenjälki Sukella tutkimusaiheisiin 'Learning movement synchronization in multi-component robotic systems'. Ne muodostavat yhdessä ainutlaatuisen sormenjäljen.

Siteeraa tätä