論文の概要: Human-Robot Collaboration and Machine Learning: A Systematic Review of
Recent Research
- arxiv url: http://arxiv.org/abs/2110.07448v1
- Date: Thu, 14 Oct 2021 15:14:33 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-15 18:57:39.986264
- Title: Human-Robot Collaboration and Machine Learning: A Systematic Review of
Recent Research
- Title（参考訳）: 人間-ロボット協調と機械学習 : 最近の研究の体系的レビュー
- Authors: Francesco Semeraro, Alexander Griffiths and Angelo Cangelosi
- Abstract要約: 人間ロボットコラボレーション(Human-robot collaboration、HRC)とは、人間とロボットの相互作用を探索する手法である。
本稿では,HRCの文脈における機械学習技術の利用に関する詳細な文献レビューを提案する。
- 参考スコア（独自算出の注目度）: 69.48907856390834
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Technological progress increasingly envisions the use of robots interacting
with people in everyday life. Human-robot collaboration (HRC) is the approach
that explores the interaction between a human and a robot, during the
completion of an actual physical task. Such interplay is explored both at the
cognitive and physical level, by respectively analysing the mutual exchange of
information and mechanical power. In HRC works, a cognitive model is typically
built, which collects inputs from the environment and from the user, elaborates
and translates these into information that can be used by the robot itself. HRC
studies progressively employ machine learning algorithms to build the cognitive
models and behavioural block that elaborates the acquired external inputs. This
is a promising approach still in its early stages and with the potential of
significant benefit from the growing field of machine learning. Consequently,
this paper proposes a thorough literature review of the use of machine learning
techniques in the context of human-robot collaboration. The
collection,selection and analysis of the set of 45 key papers, selected from
the wide review of the literature on robotics and machine learning, allowed the
identification of the current trends in HRC. In particular, a clustering of
works based on the type of collaborative tasks, evaluation metrics and
cognitive variables modelled is proposed. With these premises, a deep analysis
on different families of machine learning algorithms and their properties,
along with the sensing modalities used, was carried out. The salient aspects of
the analysis are discussed to show trends and suggest possible challenges to
tackle in the future research.
- Abstract（参考訳）: テクノロジーの進歩は、日常生活で人と対話するロボットの利用をますます思い描いている。
ヒューマン・ロボット・コラボレーション(human-robot collaboration、hrc)は、実際の作業の完了時に人間とロボットのインタラクションを探索するアプローチである。
このような相互作用は認知レベルと身体レベルの両方で検討され、情報の相互交換と機械的パワーをそれぞれ分析する。
hrcの作業では、一般的に認知モデルが構築され、環境やユーザから入力を収集し、これらを精巧に説明し、ロボット自身で使用できる情報に変換する。
HRC研究は、機械学習アルゴリズムを用いて、取得した外部入力を精査する認知モデルと行動ブロックを構築する。
これはまだ初期段階で有望なアプローチであり、機械学習の分野の成長による大きなメリットの可能性を秘めている。
そこで本研究では,人間とロボットのコラボレーションの文脈における機械学習技術の利用に関する詳細な文献レビューを提案する。
ロボット工学と機械学習に関する文献の広範なレビューから選択された45の重要論文の収集、選定、分析により、hrcの現在のトレンドの特定が可能となった。
特に,協調作業の種類,評価指標,認知変数をモデル化した作業のクラスタリングを提案する。
これらの前提により、機械学習アルゴリズムのさまざまなファミリーとその特性に関する深い分析と、使用したセンシングのモダリティが実施された。
分析の有意義な側面を考察し,今後の研究で取り組むべき課題を示唆する。
関連論文リスト
- Object Recognition in Human Computer Interaction:- A Comparative Analysis [0.0]
この研究は、精度、堅牢性、効率の点で異なるアルゴリズムの性能を探求し、評価することを目的としている。
この研究の目的は、より直感的で効率的でユーザフレンドリーな対話型システムの設計と開発を改善することである。
論文 参考訳（メタデータ） (2024-11-06T21:16:02Z) - User-centric evaluation of explainability of AI with and for humans: a comprehensive empirical study [5.775094401949666]
この研究はHuman-Centered Artificial Intelligence (HCAI)にある。
一般的に使用されるeXplainable Artificial Intelligence (XAI)アルゴリズムのユーザ中心評価の結果に焦点を当てている。
論文 参考訳（メタデータ） (2024-10-21T12:32:39Z) - A Survey of Embodied Learning for Object-Centric Robotic Manipulation [27.569063968870868]
オブジェクト中心のロボット操作のための身体学習は、AIの急速に発展し、挑戦的な分野である。
データ駆動機械学習とは異なり、具体化学習は環境との物理的相互作用を通じてロボット学習に焦点を当てる。
論文 参考訳（メタデータ） (2024-08-21T11:32:09Z) - Learning Manipulation by Predicting Interaction [85.57297574510507]
本稿では,インタラクションを予測して操作を学習する一般的な事前学習パイプラインを提案する。
実験の結果,MPIは従来のロボットプラットフォームと比較して10%から64%向上していることがわかった。
論文 参考訳（メタデータ） (2024-06-01T13:28:31Z) - A Multi-Modal Explainability Approach for Human-Aware Robots in Multi-Party Conversation [39.87346821309096]
本稿では,従来のSOTAと比較して性能が向上したアドレス推定モデルを提案する。
また、上記のアーキテクチャに説明可能性と透明性を組み込むいくつかの方法を提案する。
論文 参考訳（メタデータ） (2024-05-20T13:09:32Z) - Combatting Human Trafficking in the Cyberspace: A Natural Language
Processing-Based Methodology to Analyze the Language in Online Advertisements [55.2480439325792]
このプロジェクトは、高度自然言語処理(NLP)技術により、オンラインC2Cマーケットプレースにおける人身売買の急激な問題に取り組む。
我々は、最小限の監督で擬似ラベル付きデータセットを生成する新しい手法を導入し、最先端のNLPモデルをトレーニングするための豊富なリソースとして機能する。
重要な貢献は、Integrated Gradientsを使った解釈可能性フレームワークの実装であり、法執行にとって重要な説明可能な洞察を提供する。
論文 参考訳（メタデータ） (2023-11-22T02:45:01Z) - Can AI Serve as a Substitute for Human Subjects in Software Engineering
Research? [24.39463126056733]
本稿では,人工知能(AI)の能力を活用したソフトウェア工学研究における定性データ収集手法を提案する。
定性的データの代替源としてAI生成合成テキストの可能性を探る。
観察研究とユーザ評価における人間の行動のエミュレートを目的とした新しい基礎モデルの開発について論じる。
論文 参考訳（メタデータ） (2023-11-18T14:05:52Z) - 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) - From Machine Learning to Robotics: Challenges and Opportunities for
Embodied Intelligence [113.06484656032978]
記事は、インテリジェンスが機械学習技術の進歩の鍵を握っていると主張している。
私たちは、インテリジェンスを具体化するための課題と機会を強調します。
本稿では,ロボット学習の最先端性を著しく向上させる研究の方向性を提案する。
論文 参考訳（メタデータ） (2021-10-28T16:04:01Z) - Knowledge as Invariance -- History and Perspectives of
Knowledge-augmented Machine Learning [69.99522650448213]
機械学習の研究は転換点にある。
研究の関心は、高度にパラメータ化されたモデルのパフォーマンス向上から、非常に具体的なタスクへとシフトしている。
このホワイトペーパーは、機械学習研究におけるこの新興分野の紹介と議論を提供する。
論文 参考訳（メタデータ） (2020-12-21T15:07:19Z)
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。