障害物認識ロボット操作のための説明可能なAI

この論文は、逆運動学（IK）におけるAI駆動ロボット工学における説明可能性の重要な必要性に対処しています。 Shapley値の帰属と物理ベースの障害物回避評価を統合することにより、ニューラルネットワークベースのIKモデルをより透明で安全にする方法論を提案しています。 この研究は、ROBOTIS OpenManipulator-Xに焦点を当て、さまざまなIKNetバリアントを比較し、アーキテクチャの選択がパフォーマンスと安全性の両方にどのように影響するかについての洞察を提供します。 この研究は、IKの精度と速度を向上させるだけでなく、信頼性と信頼性を構築することに焦点を当てているため重要です。これは、実際のロボットアプリケーションにとって非常に重要です。

• •ニューラルネットワークベースの逆運動学のための説明可能性中心のワークフローを提案。
• •Shapley値の帰属と物理ベースの障害物回避評価を統合。
• •さまざまなIKNetバリアント（Improved IKNet、Focused IKNet）を比較。
• •XAI技術がロボット操作における安全性とアーキテクチャの洗練をどのように改善できるかを示しています。