論文の概要: Computational ergonomics for task delegation in Human-Robot Collaboration: spatiotemporal adaptation of the robot to the human through contactless gesture recognition

• arxiv url: http://arxiv.org/abs/2203.11007v1
• Date: Mon, 21 Mar 2022 14:23:00 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-22 21:14:44.938394
• Title: Computational ergonomics for task delegation in Human-Robot Collaboration: spatiotemporal adaptation of the robot to the human through contactless gesture recognition
• Title（参考訳）: 人間-ロボット協調におけるタスクデリゲートのための計算エルゴノミクス:接触なしジェスチャー認識によるロボットの人間への時空間適応
• Authors: Brenda Elizabeth Olivas-Padilla, Dimitris Papanagiotou, Gavriela Senteri, Sotiris Manitsaris, and Alina Glushkova
• Abstract要約: 本稿では,人間工学的に有効なタスクデリゲートとヒューマン・ヒューマン・コラボレーション(HRC)の2つの仮説を提案する。 第1の仮説では、縮小されたセンサー群からのモーションデータを用いて人間工学的なタスクを定量化することが可能である。 第2の仮説は、ジェスチャー認識と空間適応を含めることで、不要な動きを避けることで、HRCシナリオのエルゴノミクスを改善することができるというものである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: The high prevalence of work-related musculoskeletal disorders (WMSDs) could be addressed by optimizing Human-Robot Collaboration (HRC) frameworks for manufacturing applications. In this context, this paper proposes two hypotheses for ergonomically effective task delegation and HRC. The first hypothesis states that it is possible to quantify ergonomically professional tasks using motion data from a reduced set of sensors. Then, the most dangerous tasks can be delegated to a collaborative robot. The second hypothesis is that by including gesture recognition and spatial adaptation, the ergonomics of an HRC scenario can be improved by avoiding needless motions that could expose operators to ergonomic risks and by lowering the physical effort required of operators. An HRC scenario for a television manufacturing process is optimized to test both hypotheses. For the ergonomic evaluation, motion primitives with known ergonomic risks were modeled for their detection in professional tasks and to estimate a risk score based on the European Assembly Worksheet (EAWS). A Deep Learning gesture recognition module trained with egocentric television assembly data was used to complement the collaboration between the human operator and the robot. Additionally, a skeleton-tracking algorithm provided the robot with information about the operator's pose, allowing it to spatially adapt its motion to the operator's anthropometrics. Three experiments were conducted to determine the effect of gesture recognition and spatial adaptation on the operator's range of motion. The rate of spatial adaptation was used as a key performance indicator (KPI), and a new KPI for measuring the reduction in the operator's motion is presented in this paper.
• Abstract（参考訳）: 作業関連筋骨格障害 (wmsds) の高頻度化は, 人間-ロボット協調 (hrc) フレームワークの最適化により解決できる。 本稿では,エルゴノミカルに有効なタスクデリゲーションとhrcの2つの仮説を提案する。 第1の仮説では、縮小されたセンサー群からのモーションデータを用いて人間工学的なタスクを定量化することが可能である。 そして、最も危険なタスクを協調ロボットに委譲することができる。 2つめの仮説は、ジェスチャー認識と空間適応を含めることで、オペレーターが人間工学的リスクにさらす必要のない動きを避け、オペレーターに必要な物理的労力を下げることで、hrcシナリオの人間工学を改善することができる、ということである。 テレビ製造プロセスのhrcシナリオは、両方の仮説をテストするために最適化される。 エルゴノミクス評価では, エルゴノミクスリスクが既知の運動プリミティブを, 専門業務における検出と欧州議会ワークシート(EAWS)に基づくリスクスコアの推定のためにモデル化した。 自己中心型テレビ組立データを用いて学習したディープラーニングジェスチャー認識モジュールを用いて,人間とロボットの協調を補完した。 さらに、スケルトン追跡アルゴリズムは、ロボットにオペレータのポーズに関する情報を提供し、その動きをオペレータのヒューマンメトリックスに空間的に適応させることを可能にした。 ジェスチャー認識と空間適応が操作者の動作範囲に与える影響を判定する3つの実験を行った。 本論文では,空間適応率をキーパフォーマンス指標(kpi)として使用し,オペレータの動きの低減度を測定するための新しいkpiを提案する。

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)
• Data-Driven Ergonomic Risk Assessment of Complex Hand-intensive Manufacturing Processes [1.5837588732514762]
  手強い製造プロセスは、タスクの複雑さに対処するために、人間の器用さをかなり必要とします。 これらの激しい手の動きは、しばしば筋骨格障害やリハビリテーション手術につながる。 我々は,手強い製造プロセスに関連する人間工学的問題を特定し,対処するためのデータ駆動型人間工学的リスクアセスメントシステムを開発した。
  論文  参考訳（メタデータ） (2024-03-05T23:32:45Z)
• Offline Risk-sensitive RL with Partial Observability to Enhance Performance in Human-Robot Teaming [1.3980986259786223]
  本稿では,モデルの不確実性を取り入れ,リスクに敏感なシーケンシャルな意思決定を可能にする手法を提案する。 シミュレーションロボット遠隔操作環境において,26名の被験者を対象に実験を行った。
  論文  参考訳（メタデータ） (2024-02-08T14:27:34Z)
• 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)
• 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)
• Rearrange Indoor Scenes for Human-Robot Co-Activity [82.22847163761969]
  本稿では,室内家具を人間ロボットのコアクティビティを向上するために,室内家具の配置を最適化した枠組みを提案する。 提案アルゴリズムは,SUNCGとConceptNetから抽出した空間的・意味的共起情報を統合することにより,家具間の機能的関係を保っている。 実験の結果、アレンジされたシーンは平均して14%のスペースを提供し、30%以上のオブジェクトをやりとりできることがわかった。
  論文  参考訳（メタデータ） (2023-03-10T03:03:32Z)
• Active Predicting Coding: Brain-Inspired Reinforcement Learning for Sparse Reward Robotic Control Problems [79.07468367923619]
  ニューラルジェネレーティブ・コーディング(NGC)の神経認知計算フレームワークによるロボット制御へのバックプロパゲーションフリーアプローチを提案する。 我々は、スパース報酬から動的オンライン学習を容易にする強力な予測符号化/処理回路から完全に構築されたエージェントを設計する。 提案するActPCエージェントは,スパース(外部)報酬信号に対して良好に動作し,複数の強力なバックプロップベースのRLアプローチと競合し,性能が優れていることを示す。
  論文  参考訳（メタデータ） (2022-09-19T16:49:32Z)
• Dynamic Human-Robot Role Allocation based on Human Ergonomics Risk Prediction and Robot Actions Adaptation [35.91053423341299]
  本研究では,人ロボット協調作業における作業者に対して,組立戦略の最適化と作業の分散を行う新しい手法を提案する。 提案手法は,作業者にとって安全かつ人間工学的な条件を確保するために,タスク割り当てプロセスの制御に成功している。
  論文  参考訳（メタデータ） (2021-11-05T17:29:41Z)
• Ergonomically Intelligent Physical Human-Robot Interaction: Postural Estimation, Assessment, and Optimization [3.681892767755111]
  対話型ロボットの軌道からのみ人間の姿勢を推定できることを示す。 本稿では,微分可能なエルゴノミクスモデルであるDULAを提案する。
  論文  参考訳（メタデータ） (2021-08-12T21:13:06Z)
• 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)

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。