論文の概要: Two ways to make your robot proactive: reasoning about human intentions, or reasoning about possible futures

• arxiv url: http://arxiv.org/abs/2205.05492v1
• Date: Wed, 11 May 2022 13:33:14 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-13 01:12:19.132995
• Title: Two ways to make your robot proactive: reasoning about human intentions, or reasoning about possible futures
• Title（参考訳）: ロボットをプロアクティブにする2つの方法:人間の意図を推論するか、未来を推論するか
• Authors: Sera Buyukgoz, Jasmin Grosinger, Mohamed Chetouani and Alessandro Saffiotti
• Abstract要約: ロボットをアクティブにする方法を2つ検討する。 1つの方法は人間の意図を認識し、あなたが交差しようとしているドアを開くなど、それらを満たすために行動することである。 もう1つの方法は、将来起こりうる脅威や機会を推論し、それを防ぐか、または育てるために行動することである。
• 参考スコア（独自算出の注目度）: 69.03494351066846
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Robots sharing their space with humans need to be proactive in order to be helpful. Proactive robots are able to act on their own initiative in an anticipatory way to benefit humans. In this work, we investigate two ways to make robots proactive. One way is to recognize humans' intentions and to act to fulfill them, like opening the door that you are about to cross. The other way is to reason about possible future threats or opportunities and to act to prevent or to foster them, like recommending you to take an umbrella since rain has been forecasted. In this paper, we present approaches to realize these two types of proactive behavior. We then present an integrated system that can generate proactive robot behavior by reasoning on both factors: intentions and predictions. We illustrate our system on a sample use case including a domestic robot and a human. We first run this use case with the two separate proactive systems, intention-based and prediction-based, and then run it with our integrated system. The results show that the integrated system is able to take into account a broader variety of aspects that are needed for proactivity.
• Abstract（参考訳）: 人間と空間を共有するロボットは、役に立つために積極的に行動する必要がある。 プロアクティブなロボットは、人間の利益を期待して、自身のイニシアチブで行動することができる。 本研究では,ロボットをアクティブにするための2つの方法を検討する。 1つの方法は人間の意図を認識し、あなたが交差しようとしているドアを開くなど、それらを満たすために行動することである。 もう1つの方法は、将来起こりうる脅威や機会を推論し、雨が予測されてから傘を取るように勧めるなど、予防や育児を行うことである。 本稿では,これら2種類の行動を実現するためのアプローチを提案する。 そこで我々は,意図と予測という2つの要因を推論することで,能動的ロボット行動を生成するシステムを提案する。 我々は,本システムについて,家庭内ロボットと人間を含む実例で紹介する。 まず、このユースケースを2つの別々のプロアクティブシステム、すなわちインテントベースと予測ベースで実行し、統合システムで実行します。 その結果, 統合システムでは, 能動性に必要とされる様々な側面を考慮に入れることができることがわかった。

関連論文リスト

• An Epistemic Human-Aware Task Planner which Anticipates Human Beliefs and Decisions [8.309981857034902]
  目的は、制御不能な人間の行動を説明するロボットポリシーを構築することである。 提案手法は,AND-OR探索に基づく新しい計画手法と解法の構築である。 2つの領域における予備的な実験は、1つの新しいものと1つの適応されたもので、フレームワークの有効性を実証している。
  論文  参考訳（メタデータ） (2024-09-27T08:27:36Z)
• Guessing human intentions to avoid dangerous situations in caregiving robots [1.3546242205182986]
  本研究では,人間の危険状況を検出するアルゴリズムを提案する。 ATMにシミュレーションベースのアプローチを導入し、「いいね!」ポリシーを採用し、人々に意図や行動を割り当てる。 このアルゴリズムは既存の認知アーキテクチャの一部として実装され、シミュレーションシナリオでテストされている。
  論文  参考訳（メタデータ） (2024-03-24T20:43:29Z)
• SACSoN: Scalable Autonomous Control for Social Navigation [62.59274275261392]
  我々は、社会的に邪魔にならないナビゲーションのための政策の訓練方法を開発した。 この反事実的摂動を最小化することにより、共有空間における人間の自然な振る舞いを変えない方法でロボットに行動を促すことができる。 屋内移動ロボットが人間の傍観者と対話する大規模なデータセットを収集する。
  論文  参考訳（メタデータ） (2023-06-02T19:07:52Z)
• Aligning Robot and Human Representations [50.070982136315784]
  ロボット工学における現在の表現学習アプローチは、表現アライメントの目的がいかにうまく達成されているかの観点から研究されるべきである。 問題を数学的に定義し、その鍵となるデシダータを同定し、この形式主義の中に現在の方法を置く。
  論文  参考訳（メタデータ） (2023-02-03T18:59:55Z)
• Learning Latent Representations to Co-Adapt to Humans [12.71953776723672]
  非定常的な人間はロボット学習者に挑戦しています。 本稿では,ロボットが動的人間と協調して適応できるアルゴリズム形式について紹介する。
  論文  参考訳（メタデータ） (2022-12-19T16:19:24Z)
• 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)
• Doing Right by Not Doing Wrong in Human-Robot Collaboration [8.078753289996417]
  本研究では,ポジティブ行動の再現ではなく,ネガティブ行動の回避によって,公平で社会的行動を学ぶための新しいアプローチを提案する。 本研究では,ロボット操作における社会性の導入の重要性と,人間とロボットの相互作用における公平性を検討することの重要性を強調した。
  論文  参考訳（メタデータ） (2022-02-05T23:05:10Z)
• Probabilistic Human Motion Prediction via A Bayesian Neural Network [71.16277790708529]
  本稿では,人間の動作予測のための確率モデルを提案する。 我々のモデルは、観測された動きシーケンスが与えられたときに、いくつかの将来の動きを生成することができる。 我々は、大規模ベンチマークデータセットHuman3.6mに対して、我々のアプローチを広範囲に検証した。
  論文  参考訳（メタデータ） (2021-07-14T09:05:33Z)
• Supportive Actions for Manipulation in Human-Robot Coworker Teams [15.978389978586414]
  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。
  論文  参考訳（メタデータ） (2020-05-02T09:37:10Z)
• 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。