論文の概要: Customized Handling of Unintended Interface Operation in Assistive Robots

• arxiv url: http://arxiv.org/abs/2007.02092v2
• Date: Thu, 5 Nov 2020 20:03:43 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-13 13:47:42.859706
• Title: Customized Handling of Unintended Interface Operation in Assistive Robots
• Title（参考訳）: 補助ロボットにおける意図しないインタフェース操作のカスタマイズハンドリング
• Authors: Deepak Gopinath, Mahdieh Nejati Javaremi and Brenna D. Argall
• Abstract要約: 本研究では,ロボット遠隔操作における人間の意図した動作を理由として,意図しない動作の適切な修正を行う支援システムを提案する。 我々は,ロボット遠隔操作中の制御インタフェースと人間の身体的相互作用をモデル化し,意図的および測定された身体行動を明確に区別する。
• 参考スコア（独自算出の注目度）: 7.657378889055477
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present an assistance system that reasons about a human's intended actions during robot teleoperation in order to provide appropriate corrections for unintended behavior. We model the human's physical interaction with a control interface during robot teleoperation and distinguish between intended and measured physical actions explicitly. By reasoning over the unobserved intentions using model-based inference techniques, our assistive system provides customized corrections on a user's issued commands. We validate our algorithm with a 10-person human subject study in which we evaluate the performance of the proposed assistance paradigms. Our results show that the assistance paradigms helped to significantly reduce task completion time, number of mode switches, cognitive workload, and user frustration and improve overall user satisfaction.
• Abstract（参考訳）: 本稿では,ロボット遠隔操作における人間の意図した行動について,意図しない行動に対して適切な修正を行うための支援システムを提案する。 我々は,ロボット遠隔操作中の制御インタフェースと人間の物理的相互作用をモデル化し,意図的および測定された身体行動を明確に区別する。 モデルベース推論技術を用いて未観測の意図を推論することにより,ユーザのコマンドをカスタマイズした修正を行う。 提案手法は,提案する支援パラダイムの性能を評価するための10人の被験者による研究で検証する。 その結果,支援パラダイムはタスク完了時間,モードスイッチ数,認知的作業負荷,ユーザのフラストレーションを大幅に削減し,ユーザ満足度の向上に寄与した。

関連論文リスト

• Human-Agent Joint Learning for Efficient Robot Manipulation Skill Acquisition [48.65867987106428]
  本稿では,人間とロボットの協調学習システムについて紹介する。 これにより、ロボットエンドエフェクターの制御を学習支援エージェントと共有することができる。 これにより、ダウンストリームタスクにおいて、収集されたデータが十分な品質であることを保証しながら、人間の適応の必要性を減らすことができる。
  論文  参考訳（メタデータ） (2024-06-29T03:37:29Z)
• Optimising Human-AI Collaboration by Learning Convincing Explanations [62.81395661556852]
  本研究では,人間による意思決定によって安全を保ちながら協調的なシステムを構築する手法を提案する。 Ardentは、説明のための個人の好みに適応することで、効率的で効果的な意思決定を可能にする。
  論文  参考訳（メタデータ） (2023-11-13T16:00:16Z)
• Real-time Addressee Estimation: Deployment of a Deep-Learning Model on the iCub Robot [52.277579221741746]
  住所推定は、社会ロボットが人間とスムーズに対話するために必要なスキルである。 人間の知覚スキルにインスパイアされたディープラーニングモデルは、iCubロボットに設計、訓練、デプロイされる。 本研究では,人間-ロボットのリアルタイムインタラクションにおいて,そのような実装の手順とモデルの性能について述べる。
  論文  参考訳（メタデータ） (2023-11-09T13:01:21Z)
• Dynamic Hand Gesture-Featured Human Motor Adaptation in Tool Delivery using Voice Recognition [5.13619372598999]
  本稿では,革新的なロボット協調フレームワークを提案する。 手の動きや動的動きの認識、音声認識、切り替え可能な制御適応戦略をシームレスに統合する。 ハンドジェスチャ認識における優れた性能を示す実験結果が得られた。
  論文  参考訳（メタデータ） (2023-09-20T14:51:09Z)
• Continually Learned Pavlovian Signalling Without Forgetting for Human-in-the-Loop Robotic Control [0.8258451067861933]
  パヴロヴィアン・シグナリング(Pavlovian signalling)は、義肢のフィードバックを改善するためのアプローチである。 ひとつの課題は、ユーザがデリバリされたフィードバックでうまく行動し始めると、これまで学んだ予測を忘れてしまうことだ。 この研究は、人工装具から学習した予測フィードバックを提供するという課題に対する新たな洞察に貢献する。
  論文  参考訳（メタデータ） (2023-05-16T15:37:16Z)
• Design, Development, and Evaluation of an Interactive Personalized Social Robot to Monitor and Coach Post-Stroke Rehabilitation Exercises [68.37238218842089]
  パーソナライズされたリハビリテーションのための対話型ソーシャルロボット運動指導システムを開発した。 このシステムは、ニューラルネットワークモデルとルールベースのモデルを統合し、患者のリハビリテーション運動を自動的に監視し、評価する。 我々のシステムは,新たな参加者に適応し,専門家の合意レベルに匹敵する,エクササイズを評価するための平均パフォーマンス0.81を達成できる。
  論文  参考訳（メタデータ） (2023-05-12T17:37:04Z)
• "No, to the Right" -- Online Language Corrections for Robotic Manipulation via Shared Autonomy [70.45420918526926]
  LILACは、実行中に自然言語の修正をオンラインで実施し、適応するためのフレームワークである。 LILACは人間とロボットを個別にターンテイクする代わりに、人間とロボットの間にエージェンシーを分割する。 提案手法は,タスク完了率が高く,ユーザによって主観的に好まれることを示す。
  論文  参考訳（メタデータ） (2023-01-06T15:03:27Z)
• Robust Planning for Human-Robot Joint Tasks with Explicit Reasoning on Human Mental State [2.8246074016493457]
  我々は,人間ロボットチームが達成するための既知の目的を持った共有タスクを与えられる,人間に意識したタスク計画問題を考える。 近年のアプローチでは、ロボットが両方のエージェント(共有された)タスクを計画する独立した合理的エージェントのチームとしてそれをモデル化している。 本稿では,実行時の可観測性規約をモデル化し,使用するための新しいアプローチについて述べる。
  論文  参考訳（メタデータ） (2022-10-17T09:21:00Z)
• Personalized Rehabilitation Robotics based on Online Learning Control [62.6606062732021]
  本稿では,各ユーザに対して実行時の制御力をパーソナライズ可能な,新しいオンライン学習制御アーキテクチャを提案する。 提案手法を,学習コントローラがパーソナライズされた制御を提供するとともに,安全な相互作用力も得られる実験ユーザスタディで評価した。
  論文  参考訳（メタデータ） (2021-10-01T15:28:44Z)
• Non-invasive Cognitive-level Human Interfacing for the Robotic Restoration of Reaching & Grasping [5.985098076571228]
  本稿では,人間の腕と指を動作させるロボットシステムを提案する。 ウェアラブルアイトラッキング、環境の視覚的コンテキスト、人間の行動の構造文法を組み合わせて、認知レベルの支援ロボットセットアップを作成します。
  論文  参考訳（メタデータ） (2021-02-25T16:32:04Z)
• Learn and Transfer Knowledge of Preferred Assistance Strategies in Semi-autonomous Telemanipulation [16.28164706104047]
  我々は、新しい嗜好認識型知識学習アプローチを開発する。 補助選好モデルは、人間が好む援助を学習する。 また,異なるロボットハンド構造間で好みの知識を伝達する知識伝達手法を開発した。
  論文  参考訳（メタデータ） (2020-03-07T04:49:57Z)

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。