HITL-D: 인간 참여형 확산 모델 기반 공유 제어 (Human In The Loop Diffusion Assisted Shared
요약
HITL-D는 자율 조작 시스템에서 확산 기반 정책과 인간의 제어를 결합한 새로운 공유 제어 프레임워크를 제안합니다. 이 시스템은 포인트 클라우드와 말단 장치의 위치를 조건으로 자율적인 방향 업데이트를 제공하여 사용자의 조이스틱 제어 부담을 줄여줍니다. 사용자 연구 결과, 기존 원격 조작 방식 대비 작업 시간은 40% 단축되었고 인지적 작업 부하는 37% 감소하는 성과를 보였습니다.
핵심 포인트
- 확산 기반 정책(Diffusion-based policies)과 인간의 전문 지식을 통합한 HITL-D 프레임워크 제안
- 포인트 클라우드 및 말단 장치의 데카르트 위치를 활용한 자율적 방향 업데이트 기능 제공
- 제어 축의 수를 줄임으로써 사용자의 정신적 작업 부하(Mental workload) 감소
- 기존 원격 조작 대비 작업 완료 시간 40% 단축 및 인지 부하 37% 감소 입증
자율 조작 시스템 (Autonomous manipulation systems)은 놀라운 역량을 달성했으나, 공유 제어 (shared control) 환경에서 확산 기반 정책 (diffusion-based policies)과 인간의 전문 지식을 통합하는 연구는 여전히 상대적으로 미개척 상태로 남아 있습니다. 본 논문에서는 다단계, 삽입 및 미세 조작 작업에서 사용자의 성능을 향상시키는 공유 제어 프레임워크인 HITL-D (Human-In-The-Loop Diffusion)를 제안합니다. HITL-D는 확산 기반 정책과 인간 제어의 새로운 조합을 활용하여, 장면의 포인트 클라우드 (point cloud) 및 말단 장치 (end effector)의 데카르트 위치 (Cartesian position)를 조건으로 자율적인 말단 장치 방향 업데이트를 제공합니다. 이 접근 방식은 필요한 조이스틱 제어 축의 수를 줄여줌으로써 정신적 작업 부하 (mental workload)를 낮춥니다. 12명의 참가자를 대상으로 한 다중 작업 사용자 연구에서, HITL-D는 기존의 원격 조작 (teleoperation) 방식과 비교했을 때 평균 작업 완료 시간을 40% 단축시켰고, 인지된 작업 부하를 37% 감소시켰으며, 독립성, 직관성 및 신뢰도에 대한 리커트 척도 (Likert-scale) 평가를 개선했습니다. 이러한 결과는 HITL-D가 인간의 전문 지식과 자율적 보조를 효과적으로 통합하여, 원격 조작의 객관적 및 주관적 측면을 모두 개선함을 입증합니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.AI의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기