扩展现实系统用于从人类示范中学习机器人操作
Extended Reality System for Robotic Learning from Human Demonstration
AI总结：
针对物理机器人示范困难或不安全的任务，提出扩展现实中的机器人动作示范（RADER）系统，作为从示范学习的通用扩展现实界面，应用于现有最先进方法并取得与物理机器人示范相当的结果。
摘要：
许多现实世界中的任务对人类来说执行起来很直观，但当利用机器人执行这些任务时，却难以通过算法进行编码。在这些场景中，机器人系统可以从专家示范中受益，以学习如何执行每项任务。在许多情况下，使用物理机器人来提供这些示范可能困难或不安全，例如，考虑诸如用刀切片等烹饪任务。扩展现实为演示机器人轨迹提供了自然的场景，同时规避了安全问题，并提供了更广泛的交互方式。我们提出了扩展现实中的机器人动作示范（RADER）系统，这是一个用于从示范中学习的通用扩展现实界面。我们还展示了其应用于一种现有的最先进的从示范学习方法，并展示了在物理机器人上给出的示范与使用我们的扩展现实系统给出的示范之间的可比结果。
英文摘要：
Many real-world tasks are intuitive for a human to perform, but difficult to encode algorithmically when utilizing a robot to perform the tasks. In these scenarios, robotic systems can benefit from expert demonstrations to learn how to perform each task. In many settings, it may be difficult or unsafe to use a physical robot to provide these demonstrations, for example, considering cooking tasks such as slicing with a knife. Extended reality provides a natural setting for demonstrating robotic trajectories while bypassing safety concerns and providing a broader range of interaction modalities. We propose the Robot Action Demonstration in Extended Reality (RADER) system, a generic extended reality interface for learning from demonstration. We additionally present its application to an existing state-of-the-art learning from demonstration approach and show comparable results between demonstrations given on a physical robot and those given using our extended reality system.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
