論文の概要: Increased Complexity of a Human-Robot Collaborative Task May Increase
the Need for a Socially Competent Robot
- arxiv url: http://arxiv.org/abs/2207.04792v1
- Date: Mon, 11 Jul 2022 11:43:27 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-19 09:49:21.322507
- Title: Increased Complexity of a Human-Robot Collaborative Task May Increase
the Need for a Socially Competent Robot
- Title（参考訳）: 人間-ロボット協調作業の複雑さの増大は、社会的に競合するロボットの必要性を高めるかもしれない
- Authors: Rebeka Kropiv\v{s}ek Leskovar and Tadej Petri\v{c}
- Abstract要約: 本研究では,タスクの複雑さがロボットパートナーの認知と受容にどのように影響するかを検討する。
本稿では,人間による障害物回避ロボット制御モデルを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: An important factor in developing control models for human-robot
collaboration is how acceptable they are to their human partners. One such
method for creating acceptable control models is to attempt to mimic human-like
behaviour in robots so that their actions appear more intuitive to humans. To
investigate how task complexity affects human perception and acceptance of
their robot partner, we propose a novel human-based robot control model for
obstacle avoidance that can account for the leader-follower dynamics that
normally occur in human collaboration. The performance and acceptance of the
proposed control method were evaluated using an obstacle avoidance scenario in
which we compared task performance between individual tasks and collaborative
tasks with different leader-follower dynamics roles for the robotic partner.
The evaluation results showed that the robot control method is able to
replicate human behaviour to improve the overall task performance of the
subject in collaboration. However, regarding the acceptance of the robotic
partner, the participants' opinions were mixed. Compared to the results of a
study with a similar control method developed for a less complex task, the new
results show a lower acceptance of the proposed control model, even though the
control method was adapted to the more complex task from a dynamic standpoint.
This suggests that the complexity of the collaborative task at hand increases
the need not only for a more complex control model but also a more socially
competent control model.
- Abstract（参考訳）: 人間とロボットのコラボレーションのための制御モデルを開発する上で重要な要素は、それがいかに人間のパートナーに受け入れられるかである。
許容可能な制御モデルを作成する方法の1つは、ロボットが人間の行動をより直感的に見せるように、人間の動作を模倣しようとすることである。
課題の複雑さがロボットパートナーの認識と受容にどう影響するかを調べるため,人間の協調作業において通常発生するリーダ・フォロワーダイナミクスを考慮に入れた,障害物回避のための新しい人間型ロボット制御モデルを提案する。
提案手法の性能と受容を障害物回避シナリオを用いて評価し,ロボットパートナーに対して,個々のタスクと協調作業のタスク性能を異なるリーダー従者ダイナミクスの役割で比較した。
評価結果から,ロボット制御手法は人間の動作を再現し,課題全体のタスク性能を向上させることができることがわかった。
しかし,ロボットパートナーの受容については,参加者の意見が異なっていた。
より複雑なタスクのために開発された類似の制御手法を用いた研究結果と比較すると,制御手法は動的視点からより複雑なタスクに適応したものの,提案した制御モデルの受理率が低くなった。
これは、手前の協調作業の複雑さが、より複雑な制御モデルだけでなく、より社会的に有能な制御モデルの必要性を高めることを示唆している。
関連論文リスト
- Constrained Human-AI Cooperation: An Inclusive Embodied Social Intelligence Challenge [47.74313897705183]
CHAICは、インボディードエージェントの社会的知覚と協力をテストするために設計された包括的インボディード・ソーシャル・インテリジェンス・チャレンジである。
CHAICの目標は、身体的制約の下で活動している可能性がある人間を支援するために、自我中心の観察装置を備えたエンボディエージェントである。
我々は,この課題に対する計画ベースラインと学習ベースラインのベンチマークを行い,大規模言語モデルと行動モデリングを活用した新しい手法を提案する。
論文 参考訳（メタデータ） (2024-11-04T04:41:12Z) - 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) - Online Learning of Human Constraints from Feedback in Shared Autonomy [25.173950581816086]
人間とのリアルタイムなコラボレーションは、様々な物理的制約によって生じる人間の行動パターンが異なるため、課題を提起する。
我々は、異なる人間のオペレータの多様な振る舞いを考慮した人間の制約モデルを学ぶ。
本研究では,人間の身体的制約を学習し,適応できる補助エージェントを提案する。
論文 参考訳（メタデータ） (2024-03-05T13:53:48Z) - Large Language Model-based Human-Agent Collaboration for Complex Task
Solving [94.3914058341565]
複雑なタスク解決のためのLarge Language Models(LLM)に基づくヒューマンエージェントコラボレーションの問題を紹介する。
Reinforcement Learning-based Human-Agent Collaboration method, ReHACを提案する。
このアプローチには、タスク解決プロセスにおける人間の介入の最も急進的な段階を決定するために設計されたポリシーモデルが含まれている。
論文 参考訳（メタデータ） (2024-02-20T11:03:36Z) - Coordination with Humans via Strategy Matching [5.072077366588174]
協調作業を行う人間と人間のチームを観察することにより、利用可能なタスク補完戦略を自律的に認識するアルゴリズムを提案する。
隠れマルコフモデルを使って、チームアクションを低次元の表現に変換することで、事前の知識なしに戦略を識別できます。
ロボットポリシーは、未確認のパートナーのタスク戦略に適応するMixture-of-Expertsモデルを構築するための、識別された戦略のそれぞれに基づいて学習される。
論文 参考訳（メタデータ） (2022-10-27T01:00:50Z) - Model Predictive Control for Fluid Human-to-Robot Handovers [50.72520769938633]
人間の快適さを考慮に入れた計画運動は、人間ロボットのハンドオーバプロセスの一部ではない。
本稿では,効率的なモデル予測制御フレームワークを用いてスムーズな動きを生成することを提案する。
ユーザ数名の多様なオブジェクトに対して,人間とロボットのハンドオーバ実験を行う。
論文 参考訳（メタデータ） (2022-03-31T23:08:20Z) - 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) - Joint Mind Modeling for Explanation Generation in Complex Human-Robot
Collaborative Tasks [83.37025218216888]
本稿では,人間とロボットのコラボレーションにおいて,人間のようなコミュニケーションを実現するための新しい説明可能なAI(XAI)フレームワークを提案する。
ロボットは、人間のユーザの階層的なマインドモデルを構築し、コミュニケーションの一形態として自身のマインドの説明を生成する。
その結果,提案手法はロボットの協調動作性能とユーザ認識を著しく向上させることがわかった。
論文 参考訳（メタデータ） (2020-07-24T23:35:03Z) - Learn Task First or Learn Human Partner First: A Hierarchical Task
Decomposition Method for Human-Robot Cooperation [11.387868752604986]
本研究は、ロボットが人間のパートナーの振る舞いを学習することとは別に、階層的動的制御タスクを学習できるようにする階層的報酬機構を備えた新しいタスク分解手法を提案する。
その結果、ロボットは、まずタスクを学習し、より高いチームパフォーマンスを達成し、次に人間を学習し、より高い学習効率を達成することが示唆された。
論文 参考訳（メタデータ） (2020-03-01T04:41:49Z)
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。