論文の概要: Natural Language Instructions for Intuitive Human Interaction with
Robotic Assistants in Field Construction Work
- arxiv url: http://arxiv.org/abs/2307.04195v2
- Date: Tue, 11 Jul 2023 22:34:51 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-13 10:33:20.677131
- Title: Natural Language Instructions for Intuitive Human Interaction with
Robotic Assistants in Field Construction Work
- Title（参考訳）: 現場作業におけるロボットアシスタントとの直感的対話のための自然言語指導
- Authors: Somin Park, Xi Wang, Carol C. Menassa, Vineet R. Kamat, Joyce Y. Chai
- Abstract要約: 本稿では,人間の作業者が自然言語の指示に基づいて建設ロボットと対話できる枠組みを提案する。
提案手法は,自然言語理解(NLU),情報マッピング(IM),ロボット制御(RC)の3段階からなる。
- 参考スコア（独自算出の注目度）: 4.223718588030052
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The introduction of robots is widely considered to have significant potential
of alleviating the issues of worker shortage and stagnant productivity that
afflict the construction industry. However, it is challenging to use fully
automated robots in complex and unstructured construction sites. Human-Robot
Collaboration (HRC) has shown promise of combining human workers' flexibility
and robot assistants' physical abilities to jointly address the uncertainties
inherent in construction work. When introducing HRC in construction, it is
critical to recognize the importance of teamwork and supervision in field
construction and establish a natural and intuitive communication system for the
human workers and robotic assistants. Natural language-based interaction can
enable intuitive and familiar communication with robots for human workers who
are non-experts in robot programming. However, limited research has been
conducted on this topic in construction. This paper proposes a framework to
allow human workers to interact with construction robots based on natural
language instructions. The proposed method consists of three stages: Natural
Language Understanding (NLU), Information Mapping (IM), and Robot Control (RC).
Natural language instructions are input to a language model to predict a tag
for each word in the NLU module. The IM module uses the result of the NLU
module and building component information to generate the final instructional
output essential for a robot to acknowledge and perform the construction task.
A case study for drywall installation is conducted to evaluate the proposed
approach. The obtained results highlight the potential of using natural
language-based interaction to replicate the communication that occurs between
human workers within the context of human-robot teams.
- Abstract（参考訳）: ロボットの導入は、建設産業に支障をきたす労働者不足や生産性の停滞を緩和する大きな可能性を秘めていると考えられている。
しかし、複雑で非構造な建設現場で完全自動化されたロボットを使うことは困難である。
ヒューマンロボットコラボレーション(HRC)は、建設作業に固有の不確実性に共同で対処するために、人間の労働者の柔軟性とロボットアシスタントの身体能力を組み合わせることを約束している。
建設にHRCを導入する際には、現場建設におけるチームワークと監督の重要性を認識し、ヒューマンワーカーとロボットアシスタントの自然な直感的なコミュニケーションシステムを確立することが重要である。
自然言語に基づく対話は、ロボットプログラミングの非熟練者のために、直感的で親しみやすいロボットとのコミュニケーションを可能にする。
しかし、この話題に関する限定的な研究が建設中である。
本稿では,人間の作業者が自然言語に基づく建設ロボットと対話できる枠組みを提案する。
提案手法は,自然言語理解(NLU),情報マッピング(IM),ロボット制御(RC)の3段階からなる。
自然言語命令は言語モデルに入力され、NLUモジュール内の各単語のタグを予測する。
IMモジュールは、NLUモジュールの結果とコンポーネント情報を用いて、ロボットが建設作業を認識し実行するために必要となる最終命令出力を生成する。
提案手法を評価するために, ドライウォール設置の事例検討を行った。
その結果,人間ロボットチームのコンテキスト内での作業者間のコミュニケーションを再現するために,自然言語によるインタラクションを利用する可能性を強調した。
関連論文リスト
- $π_0$: A Vision-Language-Action Flow Model for General Robot Control [77.32743739202543]
本稿では,インターネット規模のセマンティック知識を継承するために,事前学習された視覚言語モデル(VLM)上に構築された新しいフローマッチングアーキテクチャを提案する。
我々は,事前訓練後のタスクをゼロショットで実行し,人からの言語指導に追従し,微調整で新たなスキルを習得する能力の観点から,我々のモデルを評価した。
論文 参考訳（メタデータ） (2024-10-31T17:22:30Z) - HARMONIC: Cognitive and Control Collaboration in Human-Robotic Teams [0.0]
メタ認知,自然言語コミュニケーション,説明可能性を備えたロボットチームにおいて,ロボットの認知戦略を実証する。
このシステムは、認知と制御機能を柔軟に統合するHARMONICアーキテクチャを使って実現されている。
論文 参考訳（メタデータ） (2024-09-26T16:48:21Z) - Towards Human-Centered Construction Robotics: A Reinforcement Learning-Driven Companion Robot for Contextually Assisting Carpentry Workers [11.843554918145983]
本稿では,既存の作業における作業者の支援を目的とした「作業支援ローバー」による人間中心型アプローチを提案する。
我々は,ロボットシステムを大工のフォームワークに導入するための詳細な研究を行い,移動性,安全性,快適な作業ロボットのコラボレーションを重視したプロトタイプを紹介した。
論文 参考訳（メタデータ） (2024-03-27T23:55:02Z) - RoboScript: Code Generation for Free-Form Manipulation Tasks across Real
and Simulation [77.41969287400977]
本稿では,コード生成を利用したデプロイ可能なロボット操作パイプラインのためのプラットフォームである textbfRobotScript を提案する。
自由形自然言語におけるロボット操作タスクのためのコード生成ベンチマークも提案する。
我々は,Franka と UR5 のロボットアームを含む,複数のロボットエボディメントにまたがるコード生成フレームワークの適応性を実証した。
論文 参考訳（メタデータ） (2024-02-22T15:12:00Z) - Exploring Large Language Models to Facilitate Variable Autonomy for Human-Robot Teaming [4.779196219827508]
本稿では,VR(Unity Virtual Reality)設定に基づく,GPTを利用したマルチロボットテストベッド環境のための新しいフレームワークを提案する。
このシステムにより、ユーザーは自然言語でロボットエージェントと対話でき、それぞれが個々のGPTコアで動く。
12人の参加者によるユーザスタディでは、GPT-4の有効性と、さらに重要なのは、マルチロボット環境で自然言語で会話する機会を与えられる際のユーザ戦略について検討している。
論文 参考訳（メタデータ） (2023-12-12T12:26:48Z) - A Human-Robot Mutual Learning System with Affect-Grounded Language
Acquisition and Differential Outcomes Training [0.1812164955222814]
本稿では,ロボットのホメオスタティックなニーズを識別するための,人間とロボットのインタラクション・セットアップを提案する。
我々は,ロボットが内部ニーズに特有のフィードバックを提供する,差分結果学習プロトコルを採用した。
我々は、DOTが人間の学習効率を高めることができるという証拠を発見し、それによってより効率的なロボット言語習得を可能にした。
論文 参考訳（メタデータ） (2023-10-20T09:41:31Z) - Improved Trust in Human-Robot Collaboration with ChatGPT [1.086544864007391]
本稿では,ChatGPTが人間とロボットの協調作業における信頼に与える影響を考察する。
人-物体実験では、ロボットにChatGPTを組み込むことで、人間-ロボットのコラボレーションに対する信頼が著しく向上した。
本研究の成果は,人間ロボット協調システムの開発に重要な意味を持つ。
論文 参考訳（メタデータ） (2023-04-25T02:48:35Z) - "No, to the Right" -- Online Language Corrections for Robotic
Manipulation via Shared Autonomy [70.45420918526926]
LILACは、実行中に自然言語の修正をオンラインで実施し、適応するためのフレームワークである。
LILACは人間とロボットを個別にターンテイクする代わりに、人間とロボットの間にエージェンシーを分割する。
提案手法は,タスク完了率が高く,ユーザによって主観的に好まれることを示す。
論文 参考訳（メタデータ） (2023-01-06T15:03:27Z) - 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) - Self-supervised reinforcement learning for speaker localisation with the
iCub humanoid robot [58.2026611111328]
人の顔を見ることは、ノイズの多い環境での音声のフィルタリングに人間が依存するメカニズムの1つである。
スピーカーに目を向けるロボットを持つことは、挑戦的な環境でのASRのパフォーマンスに恩恵をもたらす可能性がある。
本稿では,人間の初期発達に触発された自己指導型強化学習フレームワークを提案する。
論文 参考訳（メタデータ） (2020-11-12T18:02:15Z) - 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)
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。