Cinemática Inversa para Agentes Humanos Incorporados em Grasping Neuro-Robóticos

Este artigo introduz um novo método de planejamento de movimento zero-shot que permite aos usuários projetar rapidamente movimentos suaves de robôs no espaço cartesiano. Um plano cartesiano baseado em curva de Bézier é transformado em uma trajetória do espaço articular pelo nosso método de cinemática inversa (IK) inspirado no neuro, CycleIK, para o qual habilitamos a independência da plataforma ao escalá-lo para designs arbitrários de robôs. O planejador de movimento é avaliado no hardware físico dos dois robôs humanos NICO e NICOL em um cenário de grasping com humano no loop. Nosso método é implantado com um agente incorporado que é um modelo de linguagem grande (LLM) em seu núcleo. Generalizamos o agente incorporado, que foi introduzido para NICOL, para também ser incorporado por NICO. O agente pode executar um conjunto discreto de ações físicas e permite que o usuário instrua verbalmente diversos robôs diferentes. Contribuímos com um primitivo de grasping para seu espaço de ações que permite a manipulação precisa de objetos domésticos. O novo método CycleIK é comparado com solucionadores IK numéricos populares e métodos IK neurais de última geração em simulação e é mostrado como competitivo ou supera todos os métodos avaliados quando o tempo de execução do algoritmo é muito curto. O primitivo de grasping é avaliado nos robôs NICOL e NICO com uma taxa de sucesso de grasp de 72% a 82% para cada robô, respectivamente.