論文の概要: Proactive Robot Assistance via Spatio-Temporal Object Modeling
- arxiv url: http://arxiv.org/abs/2211.15501v1
- Date: Mon, 28 Nov 2022 16:20:50 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-29 20:01:23.056251
- Title: Proactive Robot Assistance via Spatio-Temporal Object Modeling
- Title(参考訳): 時空間物体モデリングによるプロアクティブロボット支援
- Authors: Maithili Patel, Sonia Chernova
- Abstract要約: アクティブなロボット支援により、ロボットは明示的に尋ねられることなく、ユーザのニーズを予測し、提供することができる。
本稿では,オブジェクト配置の時間的シーケンスからオブジェクトのダイナミクスを学習するための生成グラフニューラルネットワークを提案する。
我々のモデルは、オブジェクトの動きを予測し、11.1%以上のオブジェクトの場所を正しく予測し、人間の使用するオブジェクトを11.5%少なくする位置を正しく予測する上で、主要なベースラインよりも優れています。
- 参考スコア(独自算出の注目度): 15.785125079811902
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Proactive robot assistance enables a robot to anticipate and provide for a
user's needs without being explicitly asked. We formulate proactive assistance
as the problem of the robot anticipating temporal patterns of object movements
associated with everyday user routines, and proactively assisting the user by
placing objects to adapt the environment to their needs. We introduce a
generative graph neural network to learn a unified spatio-temporal predictive
model of object dynamics from temporal sequences of object arrangements. We
additionally contribute the Household Object Movements from Everyday Routines
(HOMER) dataset, which tracks household objects associated with human
activities of daily living across 50+ days for five simulated households. Our
model outperforms the leading baseline in predicting object movement, correctly
predicting locations for 11.1% more objects and wrongly predicting locations
for 11.5% fewer objects used by the human user.
- Abstract(参考訳): アクティブなロボット支援により、ロボットは明示的に尋ねられることなく、ユーザのニーズを予測し、提供することができる。
ロボットが日常のユーザルーチンに付随する物体の動きの時間的パターンを予測する問題として、積極的な支援を定式化し、そのニーズに適応するためのオブジェクトを配置することで、ユーザの積極的な支援を行う。
本稿では,物体配置の時間系列から物体ダイナミクスの時空間予測モデルを学ぶために,生成グラフニューラルネットワークを提案する。
また,50日以上の生活行動に関連する家庭内オブジェクトを5つのシミュレートされた家庭で追跡するHouse Object Movements from Everyday Routines(HOMER)データセットを寄贈した。
提案モデルは,物体移動の予測において主要なベースラインを上回り,11.1%以上の物体の位置を正確に予測し,11.5%の利用者が使用する物体の位置を誤って予測する。
関連論文リスト
- GRACE: Generalizing Robot-Assisted Caregiving with User Functionality Embeddings [6.240250538289624]
作業療法による機能的評価スコアを用いて、パーソナライズされたfROMを予測することを学ぶ。
ユーザの身体機能の潜在的表現に機能評価スコアを埋め込むことを学習するニューラルネットワークを開発する。
論文 参考訳(メタデータ) (2025-01-29T18:55:07Z) - 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) - A Framework for Realistic Simulation of Daily Human Activity [1.8877825068318652]
本稿では,家庭環境における日々の行動パターンを大規模にシミュレーションするための枠組みを提案する。
本稿では,スケジュールの日々の変動を特定する手法を提案し,テンプレートからスケジュールを生成するための双方向制約伝搬アルゴリズムを提案する。
論文 参考訳(メタデータ) (2023-11-26T19:50:23Z) - Task-Oriented Human-Object Interactions Generation with Implicit Neural
Representations [61.659439423703155]
TOHO: 命令型ニューラル表現を用いたタスク指向型ヒューマンオブジェクトインタラクション生成
本手法は時間座標のみでパラメータ化される連続運動を生成する。
この研究は、一般的なヒューマン・シーンの相互作用シミュレーションに向けて一歩前進する。
論文 参考訳(メタデータ) (2023-03-23T09:31:56Z) - Learn to Predict How Humans Manipulate Large-sized Objects from
Interactive Motions [82.90906153293585]
本稿では,動きデータと動的記述子を融合させるグラフニューラルネットワークHO-GCNを提案する。
動的記述子を消費するネットワークは、最先端の予測結果が得られ、未確認オブジェクトへのネットワークの一般化に役立つことを示す。
論文 参考訳(メタデータ) (2022-06-25T09:55:39Z) - Property-Aware Robot Object Manipulation: a Generative Approach [57.70237375696411]
本研究では,操作対象の隠れた特性に適応したロボットの動きを生成する方法に焦点を当てた。
本稿では,ジェネレーティブ・アドバイサル・ネットワークを利用して,オブジェクトの特性に忠実な新しいアクションを合成する可能性について検討する。
以上の結果から,ジェネレーティブ・アドバイサル・ネットは,新規かつ有意義な輸送行動を生み出すための強力なツールとなる可能性が示唆された。
論文 参考訳(メタデータ) (2021-06-08T14:15:36Z) - Reactive Human-to-Robot Handovers of Arbitrary Objects [57.845894608577495]
本稿では、未知の物体の人間とロボットのハンドオーバを可能にするビジョンベースシステムを提案する。
提案手法は,クローズドループ運動計画とリアルタイムかつ時間的に一貫性のあるグリップ生成を組み合わせたものである。
提案手法の汎用性,ユーザビリティ,ロバスト性を,26種類の家庭用オブジェクトからなる新しいベンチマークで実証した。
論文 参考訳(メタデータ) (2020-11-17T21:52:22Z) - 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。