論文の概要: Motivating Physical Activity via Competitive Human-Robot Interaction

• arxiv url: http://arxiv.org/abs/2202.07068v1
• Date: Mon, 14 Feb 2022 22:19:58 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-16 15:46:18.590041
• Title: Motivating Physical Activity via Competitive Human-Robot Interaction
• Title（参考訳）: 人間とロボットの競争による身体活動のモチベーション
• Authors: Boling Yang, Golnaz Habibi, Patrick E. Lancaster, Byron Boots, Joshua R. Smith
• Abstract要約: 本プロジェクトは,身体運動やゲームなどの特定のシナリオにおいて,人間に挑戦できるロボットコンペティタを作ることによって,競争力のある人間-ロボットインタラクションの研究を動機付けることを目的としている。 我々は,反復的マルチエージェント強化学習によりロボットの競争相手を育成し,人間の競争相手に対して良好な性能を発揮することを示す。
• 参考スコア（独自算出の注目度）: 31.478167639618604
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This project aims to motivate research in competitive human-robot interaction by creating a robot competitor that can challenge human users in certain scenarios such as physical exercise and games. With this goal in mind, we introduce the Fencing Game, a human-robot competition used to evaluate both the capabilities of the robot competitor and user experience. We develop the robot competitor through iterative multi-agent reinforcement learning and show that it can perform well against human competitors. Our user study additionally found that our system was able to continuously create challenging and enjoyable interactions that significantly increased human subjects' heart rates. The majority of human subjects considered the system to be entertaining and desirable for improving the quality of their exercise.
• Abstract（参考訳）: このプロジェクトの目的は、身体運動やゲームのような特定のシナリオで人間ユーザーに挑戦できるロボットの競争相手を作ることによって、人間とロボットの競争における研究を動機付けることである。 この目標を念頭に、ロボットの競争力とユーザエクスペリエンスの両方を評価するために使用される人間ロボットコンペティションであるFencing Gameを紹介します。 我々は,反復的マルチエージェント強化学習を通じてロボットの競争相手を開発し,人間の競争相手に対して良好な性能を示す。 また,本システムは,被験者の心拍数を大幅に増加させるような,挑戦的で楽しいインタラクションを継続的に生成することができた。 被験者の大多数は、運動の質を向上させるためにこのシステムを楽しませ、望ましいと考えた。

関連論文リスト

• Human Reactions to Incorrect Answers from Robots [0.0]
  この研究は、ロボットの故障に対する人間の反応によって、信頼力学とシステム設計がどう影響するかを体系的に研究した。 その結果、ロボット技術に対する参加者の信頼は、ロボットが誤りや限界を認識したときに著しく増大した。 この研究は人間とロボットの相互作用の科学を進歩させ、ロボット技術の普及を促進する。
  論文  参考訳（メタデータ） (2024-03-21T11:00:11Z)
• 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)
• Stimulate the Potential of Robots via Competition [60.69068909395984]
  本稿では,個々のロボットが競技者から知識を得るのに役立つ,競争力のある学習フレームワークを提案する。 具体的には、競合相手間の競合情報を、有利な行動を学ぶための補助信号として導入する。 さらに,Multiagent-Race環境を構築し,競争環境において訓練されたロボットが,単一ロボット環境でのSoTAアルゴリズムで訓練されたロボットよりも優れていることを示す。
  論文  参考訳（メタデータ） (2024-03-15T17:21:39Z)
• 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)
• Data-driven emotional body language generation for social robotics [58.88028813371423]
  社会ロボティクスでは、人間型ロボットに感情の身体的表現を生成する能力を与えることで、人間とロボットの相互作用とコラボレーションを改善することができる。 我々は、手作業で設計されたいくつかの身体表現から学習する深層学習データ駆動フレームワークを実装した。 評価実験の結果, 生成した表現の人間同型とアニマシーは手作りの表現と異なる認識が得られなかった。
  論文  参考訳（メタデータ） (2022-05-02T09:21:39Z)
• A proxemics game between festival visitors and an industrial robot [1.2599533416395767]
  人間ロボットチームのコラボレーションパートナーの非言語的行動は、ヒューマンインタラクションパートナーの体験に影響を及ぼす。 Ars Electronica 2020 Festival for Art, Technology and Society(オーストリア、リンツ)では,産業用ロボットとの対話を招待した。 本研究では,ロボットと対話する人間の一般的な非言語行動と,聴衆の非言語行動について検討した。
  論文  参考訳（メタデータ） (2021-05-28T13:26:00Z)
• 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)
• Incorporating Rivalry in Reinforcement Learning for a Competitive Game [65.2200847818153]
  本研究は、競合する社会的影響に基づく新しい学習メカニズムの提供に焦点を当てる。 本研究は,競争競合の概念に基づいて,これらのエージェントの評価を人的視点から変えられるかを検討することを目的とする。
  論文  参考訳（メタデータ） (2020-11-02T21:54:18Z)
• 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。