論文の概要: Don't Forget to Buy Milk: Contextually Aware Grocery Reminder Household Robot

• arxiv url: http://arxiv.org/abs/2207.09050v2
• Date: Wed, 20 Jul 2022 00:51:05 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-21 10:48:50.425950
• Title: Don't Forget to Buy Milk: Contextually Aware Grocery Reminder Household Robot
• Title（参考訳）: 牛乳を買うのを忘れないで。食料品のリマインダーロボット
• Authors: Ali Ayub, Chrystopher L. Nehaniv, and Kerstin Dautenhahn
• Abstract要約: 本稿では、ロボットが家庭の個人化された文脈知識を学習できる計算アーキテクチャを提案する。 アーキテクチャは学習した知識を使って、長い間、家から失ったアイテムの予測を行うことができる。 このアーキテクチャは、Fetchモバイルマニピュレータロボットと統合され、大規模な屋内環境で検証される。
• 参考スコア（独自算出の注目度）: 8.430502131775722
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Assistive robots operating in household environments would require items to be available in the house to perform assistive tasks. However, when these items run out, the assistive robot must remind its user to buy the missing items. In this paper, we present a computational architecture that can allow a robot to learn personalized contextual knowledge of a household through interactions with its user. The architecture can then use the learned knowledge to make predictions about missing items from the household over a long period of time. The architecture integrates state-of-the-art perceptual learning algorithms, cognitive models of memory encoding and learning, a reasoning module for predicting missing items from the household, and a graphical user interface (GUI) to interact with the user. The architecture is integrated with the Fetch mobile manipulator robot and validated in a large indoor environment with multiple contexts and objects. Our experimental results show that the robot can adapt to an environment by learning contextual knowledge through interactions with its user. The robot can also use the learned knowledge to correctly predict missing items over multiple weeks and it is robust against sensory and perceptual errors.
• Abstract（参考訳）: 家庭で作業する補助ロボットは、家庭内で支援作業を行うためにアイテムを入手する必要がある。 しかし、これらのアイテムが切れると、アシストロボットはユーザーが行方不明のアイテムを買うことを思い出さなければならない。 本稿では,ロボットがユーザとのインタラクションを通じて,家庭の個人化されたコンテキスト知識を学習できる計算アーキテクチャを提案する。 アーキテクチャは学習した知識を使って、家計から失われたアイテムを長期間にわたって予測することができる。 このアーキテクチャは、最先端の知覚学習アルゴリズム、メモリエンコーディングと学習の認知モデル、家庭から欠落したアイテムを予測する推論モジュール、ユーザと対話するためのグラフィカルユーザインターフェース(GUI)を統合している。 アーキテクチャはfetchモバイルマニピュレータロボットと統合され、複数のコンテキストとオブジェクトを持つ大きな屋内環境で検証される。 実験の結果,ロボットはユーザとのインタラクションを通じて文脈知識を学習することで環境に適応できることがわかった。 このロボットは、学習した知識を使って、数週間にわたって行方不明のアイテムを正確に予測し、知覚的および知覚的エラーに対して堅牢である。

関連論文リスト

• Learning Object Properties Using Robot Proprioception via Differentiable Robot-Object Interaction [52.12746368727368]
  微分可能シミュレーションは、システム識別の強力なツールとなっている。 本手法は,オブジェクト自体のデータに頼ることなく,ロボットからの情報を用いてオブジェクト特性を校正する。 低コストなロボットプラットフォームにおける本手法の有効性を実証する。
  論文  参考訳（メタデータ） (2024-10-04T20:48:38Z)
• SECURE: Semantics-aware Embodied Conversation under Unawareness for Lifelong Robot Learning [17.125080112897102]
  本稿では,ロボットが指示されたタスクを解く上で鍵となる概念を知らない,困難な対話型タスク学習シナリオについて論じる。 本稿では,このような問題を解決するための対話型タスク学習フレームワークSECUREを提案する。 SECUREを用いて、ロボットはミスをしたときのユーザの補正フィードバックから学習するだけでなく、指示されたタスクを解決するための新しい概念に関する有用な証拠を明らかにするための戦略的対話決定も行う。
  論文  参考訳（メタデータ） (2024-09-26T11:40:07Z)
• Interactive Continual Learning Architecture for Long-Term Personalization of Home Service Robots [11.648129262452116]
  本研究では,人間とロボットのインタラクションを通じて,家庭環境における意味的知識の連続学習のための対話型連続学習アーキテクチャを開発する。 このアーキテクチャは、人間の新しい知識を効率的かつリアルタイムに学習するための学習と記憶のコア認知原則に基づいている。
  論文  参考訳（メタデータ） (2024-03-06T04:55:39Z)
• A Personalized Household Assistive Robot that Learns and Creates New Breakfast Options through Human-Robot Interaction [9.475039534437332]
  利用者から個人化された朝食の選択肢を学習できる家庭用補助ロボットの認知アーキテクチャを提案する。 アーキテクチャはまた、学習した知識を使って、長期間にわたって新しい朝食オプションを作成することもできる。 このアーキテクチャは、Fetchモバイルマニピュレータロボットと統合され、概念実証システム評価として検証される。
  論文  参考訳（メタデータ） (2023-06-30T19:57:15Z)
• Open-World Object Manipulation using Pre-trained Vision-Language Models [72.87306011500084]
  ロボットが人からの指示に従うためには、人間の語彙の豊かな意味情報を繋げなければならない。 我々は、事前学習された視覚言語モデルを利用して、オブジェクト識別情報を抽出するシンプルなアプローチを開発する。 実際の移動マニピュレータにおける様々な実験において、MOOはゼロショットを様々な新しいオブジェクトカテゴリや環境に一般化する。
  論文  参考訳（メタデータ） (2023-03-02T01:55:10Z)
• Knowledge Acquisition and Completion for Long-Term Human-Robot Interactions using Knowledge Graph Embedding [0.0]
  本研究では,長期にわたる継続的な学習において,ユーザや環境からデータを収集するアーキテクチャを提案する。 我々は,ロボットの内部表現を段階的に拡張することを目的として,取得した情報を一般化するための知識グラフ埋め込み技術を採用した。 本研究では,学習主体のロボットの能力と,未知の文脈から得られる関係を計測することにより,連続学習アーキテクチャの性能を評価する。
  論文  参考訳（メタデータ） (2023-01-17T12:23:40Z)
• Learning Reward Functions for Robotic Manipulation by Observing Humans [92.30657414416527]
  我々は、ロボット操作ポリシーのタスク非依存報酬関数を学習するために、幅広い操作タスクを解く人間のラベル付きビデオを使用する。 学習された報酬は、タイムコントラストの目的を用いて学習した埋め込み空間におけるゴールまでの距離に基づいている。
  論文  参考訳（メタデータ） (2022-11-16T16:26:48Z)
• Cognitive architecture aided by working-memory for self-supervised multi-modal humans recognition [54.749127627191655]
  人間パートナーを認識する能力は、パーソナライズされた長期的な人間とロボットの相互作用を構築するための重要な社会的スキルです。 ディープラーニングネットワークは最先端の結果を達成し,そのような課題に対処するための適切なツールであることが実証された。 1つの解決策は、ロボットに自己スーパービジョンで直接の感覚データから学習させることである。
  論文  参考訳（メタデータ） (2021-03-16T13:50:24Z)
• Hierarchical Affordance Discovery using Intrinsic Motivation [69.9674326582747]
  本研究では,移動ロボットの価格学習を支援するために,本質的なモチベーションを用いたアルゴリズムを提案する。 このアルゴリズムは、事前にプログラムされたアクションなしで、相互に関連のある価格を自律的に発見し、学習し、適応することができる。 一度学習すると、これらの余裕はアルゴリズムによって様々な困難を伴うタスクを実行するために一連のアクションを計画するために使われる。
  論文  参考訳（メタデータ） (2020-09-23T07:18:21Z)
• SAPIEN: A SimulAted Part-based Interactive ENvironment [77.4739790629284]
  SAPIENは現実的で物理に富んだシミュレートされた環境であり、音声オブジェクトのための大規模なセットをホストしている。 部品検出と動作特性認識のための最先端の視覚アルゴリズムの評価を行い,ロボットインタラクションタスクの実証を行った。
  論文  参考訳（メタデータ） (2020-03-19T00:11:34Z)
• The State of Lifelong Learning in Service Robots: Current Bottlenecks in Object Perception and Manipulation [3.7858180627124463]
  State-of-the-artは、オブジェクトの知覚と操作を適切に結合するように改善を続けている。 ほとんどの場合、ロボットは様々な物体を認識でき、衝突のない軌道を素早く計画して対象物を把握できる。 このような環境下では、バッチ学習に使用するトレーニングデータがどれほど広範囲であっても、ロボットは常に新しいオブジェクトに直面する。 ロボットの自己学習とは別に、専門家でないユーザは、体験獲得のプロセスを対話的にガイドできる。
  論文  参考訳（メタデータ） (2020-03-18T11:00:55Z)

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。