論文の概要: Supportive Actions for Manipulation in Human-Robot Coworker Teams
- arxiv url: http://arxiv.org/abs/2005.00769v1
- Date: Sat, 2 May 2020 09:37:10 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-07 12:52:05.939722
- Title: Supportive Actions for Manipulation in Human-Robot Coworker Teams
- Title（参考訳）: 人間-ロボット協力チームにおける操作支援行動
- Authors: Shray Bansal, Rhys Newbury, Wesley Chan, Akansel Cosgun, Aimee Allen,
Dana Kuli\'c, Tom Drummond and Charles Isbell
- Abstract要約: 我々は、将来の干渉を減らすことで相互作用を支援する行動を、支援ロボット行動と表現する。
1)タスク指向: ロボットは自身のタスク目標をさらに進めるためにのみ行動を取るし、(2)支援的: ロボットはタスク指向のタスクよりも支援的行動を好む。
シミュレーション実験では, 人体モデルを用いて, エージェント間の干渉を軽減し, 作業の完了に要する時間が長いことを明らかにした。
- 参考スコア（独自算出の注目度）: 15.978389978586414
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The increasing presence of robots alongside humans, such as in human-robot
teams in manufacturing, gives rise to research questions about the kind of
behaviors people prefer in their robot counterparts. We term actions that
support interaction by reducing future interference with others as supportive
robot actions and investigate their utility in a co-located manipulation
scenario. We compare two robot modes in a shared table pick-and-place task: (1)
Task-oriented: the robot only takes actions to further its own task objective
and (2) Supportive: the robot sometimes prefers supportive actions to
task-oriented ones when they reduce future goal-conflicts. Our experiments in
simulation, using a simplified human model, reveal that supportive actions
reduce the interference between agents, especially in more difficult tasks, but
also cause the robot to take longer to complete the task. We implemented these
modes on a physical robot in a user study where a human and a robot perform
object placement on a shared table. Our results show that a supportive robot
was perceived as a more favorable coworker by the human and also reduced
interference with the human in the more difficult of two scenarios. However, it
also took longer to complete the task highlighting an interesting trade-off
between task-efficiency and human-preference that needs to be considered before
designing robot behavior for close-proximity manipulation scenarios.
- Abstract（参考訳）: 製造における人間とロボットのチームのような、人間と並んでロボットの存在感が高まると、ロボットに好まれる行動の種類に関する研究が生まれる。
我々は,他者との将来の干渉をロボット支援行動として軽減し,協調操作シナリオにおけるその有用性を検討することにより,相互行為を支援する行動と呼ぶ。
1)タスク指向:ロボットは自身のタスク目標をさらに進めるためにのみ行動を取るし、(2)支援的:ロボットは将来のゴールコンフリクトを減らす際に、タスク指向のタスクに対して支援的な行動を好む。
シミュレーション実験では,支援行動はエージェント間の干渉を減少させるだけでなく,ロボットの作業完了に要する時間も長くなることが明らかとなった。
人間とロボットが共有テーブル上にオブジェクト配置を行うユーザスタディにおいて,これらのモードを物理ロボットに実装した。
以上の結果から,支援ロボットは人間に好意的な同僚として認識され,また2つのシナリオでは人間との干渉も軽減された。
しかし、近近距離操作シナリオのためにロボットの動作を設計する前に考慮する必要があるタスク効率とヒューマン・プリファレンスの興味深いトレードオフを強調する作業が完了するのに時間がかかった。
関連論文リスト
- Interactive Multi-Robot Flocking with Gesture Responsiveness and Musical Accompaniment [0.7659052547635159]
この研究は魅力的なマルチロボットタスクを示し、その主な目的は熱意と関心を喚起することである。
このタスクでは、人間と一緒に動き、ダイナミックで表現力のあるロボット群に参加することが目標である。
この目的に向けて、研究チームはロボットの動きとジェスチャーや音といった対話モードを関連づけるアルゴリズムを開発した。
論文 参考訳（メタデータ） (2024-03-30T18:16:28Z) - HumanoidBench: Simulated Humanoid Benchmark for Whole-Body Locomotion and Manipulation [50.616995671367704]
そこで本研究では,人型ロボットが器用な手を備えた,高次元シミュレーション型ロボット学習ベンチマークHumanoidBenchを提案する。
その結果,現在最先端の強化学習アルゴリズムがほとんどのタスクに支障をきたすのに対して,階層的学習アプローチはロバストな低レベルポリシーに支えられた場合,優れた性能を達成できることがわかった。
論文 参考訳（メタデータ） (2024-03-15T17:45:44Z) - InteRACT: Transformer Models for Human Intent Prediction Conditioned on Robot Actions [7.574421886354134]
InteRACTアーキテクチャは、大規模な人間と人間のデータセットと小さな人間とロボットのデータセットの微細構造に関する条件付き意図予測モデルを事前訓練する。
実世界の協調的なロボット操作タスクについて評価し、条件付きモデルが様々な限界ベースラインよりも改善されていることを示す。
論文 参考訳（メタデータ） (2023-11-21T19:15:17Z) - Habitat 3.0: A Co-Habitat for Humans, Avatars and Robots [119.55240471433302]
Habitat 3.0は、家庭環境における協調ロボットタスクを研究するためのシミュレーションプラットフォームである。
複雑な変形可能な体と外観と運動の多様性をモデル化する際の課題に対処する。
Human-in-the-loopインフラストラクチャは、マウス/キーボードまたはVRインターフェースを介してシミュレーションされたロボットとの実際のヒューマンインタラクションを可能にする。
論文 参考訳（メタデータ） (2023-10-19T17:29:17Z) - ImitationNet: Unsupervised Human-to-Robot Motion Retargeting via Shared Latent Space [9.806227900768926]
本稿では,ロボットの動きに対する新しいディープラーニング手法を提案する。
本手法では,新しいロボットへの翻訳を容易にする,人間とロボットのペアデータを必要としない。
我々のモデルは、効率と精度の観点から、人間とロボットの類似性に関する既存の研究よりも優れています。
論文 参考訳（メタデータ） (2023-09-11T08:55:04Z) - HERD: Continuous Human-to-Robot Evolution for Learning from Human
Demonstration [57.045140028275036]
本研究では,マイクロ進化的強化学習を用いて,操作スキルを人間からロボットに伝達可能であることを示す。
本稿では,ロボットの進化経路とポリシーを協調的に最適化する多次元進化経路探索アルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-12-08T15:56:13Z) - CoGrasp: 6-DoF Grasp Generation for Human-Robot Collaboration [0.0]
そこで我々は,人間を意識したロボットグリップを生成する,CoGraspと呼ばれる新しいディープニューラルネットワーク方式を提案する。
実際のロボット実験では,安定グリップの生成において約88%の成功率を達成した。
我々のアプローチは、安全で自然で社会的に認識された人間ロボットオブジェクトのコグラスピング体験を可能にします。
論文 参考訳（メタデータ） (2022-10-06T19:23:25Z) - Robots with Different Embodiments Can Express and Influence Carefulness
in Object Manipulation [104.5440430194206]
本研究では,2つのロボットによるコミュニケーション意図による物体操作の知覚について検討する。
ロボットの動きを設計し,物体の搬送時に注意を喚起するか否かを判断した。
論文 参考訳（メタデータ） (2022-08-03T13:26:52Z) - Show Me What You Can Do: Capability Calibration on Reachable Workspace
for Human-Robot Collaboration [83.4081612443128]
本稿では,REMPを用いた短時間キャリブレーションにより,ロボットが到達できると考える非専門家と地道とのギャップを効果的に埋めることができることを示す。
この校正手順は,ユーザ認識の向上だけでなく,人間とロボットのコラボレーションの効率化にも寄与することを示す。
論文 参考訳（メタデータ） (2021-03-06T09:14:30Z) - Human Grasp Classification for Reactive Human-to-Robot Handovers [50.91803283297065]
本稿では,ロボットが人間に遭遇するロボットのハンドオーバに対するアプローチを提案する。
対象物をさまざまな手形やポーズで保持する典型的な方法をカバーする,人間の把握データセットを収集する。
本稿では,検出した把握位置と手の位置に応じて人手から対象物を取り出す計画実行手法を提案する。
論文 参考訳（メタデータ） (2020-03-12T19:58:03Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。