論文の概要: Human-Robot Commensality: Bite Timing Prediction for Robot-Assisted
Feeding in Groups
- arxiv url: http://arxiv.org/abs/2207.03348v1
- Date: Thu, 7 Jul 2022 14:52:58 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-08 13:31:59.055508
- Title: Human-Robot Commensality: Bite Timing Prediction for Robot-Assisted
Feeding in Groups
- Title(参考訳): 人間-ロボットのコミュニケーション:グループにおけるロボット支援給餌のタイミング予測
- Authors: Jan Ondras, Abrar Anwar, Tong Wu, Fanjun Bu, Malte Jung, Jorge Jose
Ortiz, Tapomayukh Bhattacharjee
- Abstract要約: 我々は、ソーシャルダイニングのシナリオにおいて、ロボットがいつ給食すべきかを予測するために、データ駆動モデルを開発する。
マルチモーダルなHuman-Human Commensalityデータセットを用いて、人間-Human Commensalityの振る舞いを分析する。
- 参考スコア(独自算出の注目度): 18.367472953664016
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We develop data-driven models to predict when a robot should feed during
social dining scenarios. Being able to eat independently with friends and
family is considered one of the most memorable and important activities for
people with mobility limitations. Robots can potentially help with this
activity but robot-assisted feeding is a multi-faceted problem with challenges
in bite acquisition, bite timing, and bite transfer. Bite timing in particular
becomes uniquely challenging in social dining scenarios due to the possibility
of interrupting a social human-robot group interaction during commensality. Our
key insight is that bite timing strategies that take into account the delicate
balance of social cues can lead to seamless interactions during robot-assisted
feeding in a social dining scenario. We approach this problem by collecting a
multimodal Human-Human Commensality Dataset (HHCD) containing 30 groups of
three people eating together. We use this dataset to analyze human-human
commensality behaviors and develop bite timing prediction models in social
dining scenarios. We also transfer these models to human-robot commensality
scenarios. Our user studies show that prediction improves when our algorithm
uses multimodal social signaling cues between diners to model bite timing. The
HHCD dataset, videos of user studies, and code will be publicly released after
acceptance.
- Abstract(参考訳): 私たちは、ロボットがソーシャルダイニングのシナリオでいつ餌をやるべきかを予測するデータ駆動モデルを開発した。
友人や家族と独立して食べられることは、移動制限のある人々にとって最も記憶に残る重要な活動の1つである。
ロボットはこの活動に役立てることができるが、ロボットによる摂食は、噛み込み、噛み込みのタイミング、噛み込みの際の困難を伴う多面的な問題である。
特にバイトタイミングは、コミュニケーション中に人間とロボットの相互作用を中断する可能性があるため、ソーシャルダイニングのシナリオで独特に困難になる。
私たちの重要な洞察は、ソーシャルな手がかりの微妙なバランスを考慮に入れた噛み込みタイミング戦略が、ソーシャルなダイニングシナリオにおけるロボット支援給餌におけるシームレスな相互作用につながることだ。
我々は,一緒に食事をする3人のグループを30グループ含むマルチモーダルなHHCD(Human-Human Commensality Dataset)を収集することで,この問題に対処する。
このデータセットを用いて,人間と人間の交感行動を分析し,ソーシャルダイニングシナリオにおける咬合タイミング予測モデルを開発した。
また、これらのモデルを人間ロボットのコミュニケーションシナリオに転送する。
我々のユーザー研究は、アルゴリズムがダイナー間のマルチモーダルなソーシャルシグナリングキューを使用して噛み込みタイミングをモデル化する場合、予測が改善することを示している。
hhcdデータセット、ユーザー研究のビデオ、およびコードは、受理後に公開される予定だ。
関連論文リスト
- Robot Interaction Behavior Generation based on Social Motion Forecasting for Human-Robot Interaction [9.806227900768926]
本稿では,共有ロボット表現空間における社会的動き予測のモデル化を提案する。
ECHOは上記の共有空間で活動し、社会的シナリオで遭遇したエージェントの将来の動きを予測する。
我々は,多対人動作予測タスクにおけるモデルの評価を行い,最先端の性能を大きなマージンで獲得する。
論文 参考訳(メタデータ) (2024-02-07T11:37:14Z) - IA-LSTM: Interaction-Aware LSTM for Pedestrian Trajectory Prediction [1.3597551064547502]
群衆シナリオにおける歩行者の軌道予測は、自動運転車や自律移動ロボットの分野において不可欠である。
従来の研究者は人間と人間の相互作用をモデル化する方法に重点を置いていたが、相互作用の相対的重要性を無視した。
人間の相互作用の相対的重要性を測定するために、コレントロピーに基づく新しいメカニズムが導入された。
論文 参考訳(メタデータ) (2023-11-26T05:17:11Z) - InteRACT: Transformer Models for Human Intent Prediction Conditioned on Robot Actions [7.574421886354134]
InteRACTアーキテクチャは、大規模な人間と人間のデータセットと小さな人間とロボットのデータセットの微細構造に関する条件付き意図予測モデルを事前訓練する。
実世界の協調的なロボット操作タスクについて評価し、条件付きモデルが様々な限界ベースラインよりも改善されていることを示す。
論文 参考訳(メタデータ) (2023-11-21T19:15:17Z) - 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) - 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) - It Takes Two: Learning to Plan for Human-Robot Cooperative Carrying [0.6981715773998527]
本研究では,協調型ロボットチームにおけるテーブルキャリング作業における現実的な動作計画の予測手法を提案する。
変動リカレントニューラルネットワーク(VRNN)を用いて、時間とともに人間のロボットチームの軌道の変動をモデル化する。
本モデルでは, ベースライン型集中型サンプリングベースプランナに比べて, より人間的な動きを生成できることを示す。
論文 参考訳(メタデータ) (2022-09-26T17:59:23Z) - BEHAVE: Dataset and Method for Tracking Human Object Interactions [105.77368488612704]
マルチビューのRGBDフレームとそれに対応する3D SMPLとオブジェクトをアノテートしたアノテートコンタクトに適合させる。
このデータを用いて、自然環境における人間と物体を、容易に使用可能なマルチカメラで共同で追跡できるモデルを学ぶ。
論文 参考訳(メタデータ) (2022-04-14T13:21:19Z) - Motron: Multimodal Probabilistic Human Motion Forecasting [30.154996245556532]
モトロン(Motron)は、人間のマルチモーダルを捉えるグラフ構造モデルである。
各モードに対して決定論的動きと対応する信頼値を出力する。
実世界の動き予測データセットを用いて,本モデルの性能を実証する。
論文 参考訳(メタデータ) (2022-03-08T14:58:41Z) - PHASE: PHysically-grounded Abstract Social Events for Machine Social
Perception [50.551003004553806]
私たちは、物理的に根拠のある抽象的なソーシャルイベント、フェーズのデータセットを作成します。
フェーズは人間の実験によって検証され、人間は社会出来事において豊かな相互作用を知覚する。
ベースラインモデルとして,最新のフィードフォワードニューラルネットワークよりも優れたベイズ逆計画手法SIMPLEを導入する。
論文 参考訳(メタデータ) (2021-03-02T18:44:57Z) - 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) - Learning Predictive Models From Observation and Interaction [137.77887825854768]
世界との相互作用から予測モデルを学ぶことで、ロボットのようなエージェントが世界がどのように働くかを学ぶことができる。
しかし、複雑なスキルのダイナミクスを捉えるモデルを学ぶことは大きな課題である。
本研究では,人間などの他のエージェントの観察データを用いて,トレーニングセットを増強する手法を提案する。
論文 参考訳(メタデータ) (2019-12-30T01:10:41Z)
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。