MARC

 008260126s2025        us                              c    eng  d
■001000017358076
■00520260202103640
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798314874172
■035    ▼a(MiAaPQ)AAI32092519
■035    ▼a(MiAaPQ)umichrackham006039
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a004
■1001  ▼aSheetz,  Emily  Jean.
■24510▼aTool-Use  Robot  Manipulation  Tasks  for  Cooperative  and  Explainable  Operations  in  Safety-Critical  Domains
■260    ▼a[Sl]▼bUniversity  of  Michigan▼c2025
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2025
■300    ▼a413  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  86-11,  Section:  B.
■500    ▼aAdvisor:  Kuipers,  Benjamin.
■5021  ▼aThesis  (Ph.D.)--University  of  Michigan,  2025.
■520    ▼aTo  be  effective  in  assistive  tasks,  robots  need  to  be  capable  of  performing  tasks  programmed  by  non-expert  users.  Tool-use  and  assembly  tasks  are  of  particular  interest  as  assistive  tasks  because  they  present  many  challenges  such  as  reasoning  over  interactions  between  multiple  objects  and  performing  complex  manipulation  behaviors.  Considering  safety-critical  domains  further  complicates  robot  reasoning  by  constraining  these  manipulation  tasks  and  requiring  that  robots  perform  tool-use  tasks  subject  to  a  wide  range  of  safety  considerations.In  this  dissertation,  we  address  the  problem  of  reliable  autonomous  tool  manipulation  in  safety-critical  domains.  Our  goal  is  to  advance  planning  and  execution  capabilities  in  tool-use  object  manipulation  tasks  through  simple  explainable  models,  enabling  robots  to  engage  in  dialogue  about  safety  on  human-robot  teams.  We  address  the  following  challenges  for  safely  executing  tool-use  tasks:  (1)  autonomously  composing  multi-objective  behaviors  (actions  that  satisfy  multiple  goals);  (2)  robustly  modeling  tool  grasps  and  generalizing  grasps  to  novel  tools;  and  (3)  reasoning  over  and  engaging  in  dialogue  about  safety  while  performing  tasks  in  different  domains.To  perform  multi-objective  manipulation  tasks,  we  explore  reasoning  over  composable  causality  in  furniture  assembly  tasks.  We  expect  robots  to  autonomously  compose  behaviors  to  achieve  given  objectives  without  solely  relying  on  qualitative  observations  from  expert  programmers.  To  formalize  the  composable  causality  of  multi-objective  actions,  we  propose  a  causal  control  basis.  The  causal  control  basis  annotates  the  elements  of  a  typical  control  basis  (a  set  of  controller  behaviors)  with  causal  information  describing  how  a  multi-objective  action  functions  in  an  assembly  task.  The  robot  uses  the  causal  control  basis  to  estimate  the  likelihood  that  different  compositions  of  behaviors  achieve  the  intended  effect.  The  causal  control  basis  effectively  reduces  reliance  on  expert  knowledge  engineering  for  performing  complex  actions,  making  the  execution  of  these  behaviors  more  explainable.To  further  improve  dexterous  robot  manipulation,  we  explore  grasp  reflex  modeling  through  tactile  servoing  for  robustly  achieving  tool  grasps  in  manipulation  tasks.  We  propose  a  grasp  reflex  model,  a  simple  explainable  model  that  detects  meaningful  adjustable  states  describing  the  robot's  end-effector  pose  relative  to  the  tool  being  grasped.  Our  trained  grasp  reflex  model  identifies  statistically  significant  variables  from  the  end-effector  data,  and  when  deployed  on  the  robot,  we  find  that  our  grasp  reflex  model  achieves  one-shot  tactile  servoing  on  6  novel  tool  instances.  Our  proposed  grasp  reflex  model  is  simple  enough  to  be  explainable  and  is  reliable  and  generalizable  enough  to  be  trusted  in  tool  manipulation  tasks  in  safety-critical  domains.Towards  tool-use  and  manipulation  in  safety-critical  problem  domains,  we  suggest  that  humans  and  robots  must  challenge  each  other's  assumptions,  minimize  overtrust,  and  characterize  risks.  To  make  robots  active,  trustworthy  collaborators,  we  propose  the  human-robot  red  teaming  paradigm  for  safety-aware  reasoning.  We  demonstrate  that  a  human-robot  red  team  can  engage  in  dialogue  about  safety  and  improve  the  team's  understanding  of  a  problem  domain.  From  these  interactions,  the  robot  learns  to  plan  to  complete  tasks  safely  and  mitigate  risks  during  task  execution.  Safety-aware  reasoning  allows  the  robot  to  reason  over  and  perform  tool-use  manipulation  tasks  alongside  a  human  user  under  varying  definitions  of  safety. Taken  together,  our  work  emphasizes  the  importance  of  minimal  expert  knowledge  engineering,  interactions  with  non-expert  users,  and  explainable  methodology  and  models  for  robot  manipulation  capabilities.  These  factors  justify  the  trust  human  users  place  in  robot  systems,  and  enable  robots  to  reliably  perform  complex  manipulation  tasks  on  human-robot  teams  in  safety-critical  problem  domains.
■590    ▼aSchool  code:  0127.
■650  4▼aComputer  science
■650  4▼aRobotics
■650  4▼aComputer  engineering
■653    ▼aTool-use
■653    ▼aManipulation
■653    ▼aSafety
■653    ▼aHuman-robot  teams
■653    ▼aComposable  causality
■690    ▼a0984
■690    ▼a0800
■690    ▼a0771
■690    ▼a0464
■71020▼aUniversity  of  Michigan▼bComputer  Science  &  Engineering.
■7730  ▼tDissertations  Abstracts  International▼g86-11B.
■790    ▼a0127
■791    ▼aPh.D.
■792    ▼a2025
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17358076▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서