論文の概要: A Framework for Realistic Simulation of Daily Human Activity
- arxiv url: http://arxiv.org/abs/2311.15400v1
- Date: Sun, 26 Nov 2023 19:50:23 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-28 17:57:20.612082
- Title: A Framework for Realistic Simulation of Daily Human Activity
- Title(参考訳): 日常生活行動の現実的シミュレーションのための枠組み
- Authors: Ifrah Idrees, Siddharth Singh, Kerui Xu, Dylan F. Glas
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 1.8877825068318652
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: For social robots like Astro which interact with and adapt to the daily
movements of users within the home, realistic simulation of human activity is
needed for feature development and testing. This paper presents a framework for
simulating daily human activity patterns in home environments at scale,
supporting manual configurability of different personas or activity patterns,
variation of activity timings, and testing on multiple home layouts. We
introduce a method for specifying day-to-day variation in schedules and present
a bidirectional constraint propagation algorithm for generating schedules from
templates. We validate the expressive power of our framework through a use case
scenario analysis and demonstrate that our method can be used to generate data
closely resembling human behavior from three public datasets and a
self-collected dataset. Our contribution supports systematic testing of social
robot behaviors at scale, enables procedural generation of synthetic datasets
of human movement in different households, and can help minimize bias in
training data, leading to more robust and effective robots for home
environments.
- Abstract(参考訳): 家庭内のユーザの日常的な動きに反応し適応するAstroのようなソーシャルロボットにとって、機能開発とテストには、人間の活動の現実的なシミュレーションが必要である。
本稿では,在宅環境における日常の行動パターンをシミュレーションし,異なるパーソナラや活動パターンの手動構成可能性,活動タイミングの変動,複数のホームレイアウトのテストを行うためのフレームワークを提案する。
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双方向制約伝搬アルゴリズムを提案する。
ユースケースシナリオ分析を用いて、我々のフレームワークの表現力を検証するとともに、3つの公開データセットと自己収集データセットから人間の行動によく似たデータを生成することができることを示す。
本研究の貢献は,社会ロボットの大規模行動の体系的テストを支援し,異なる家庭における人間の行動の合成データセットの手続き的生成を可能にし,トレーニングデータのバイアスを最小化し,家庭環境におけるより堅牢で効果的なロボットの実現に寄与する。
関連論文リスト
- Navigating the Human Maze: Real-Time Robot Pathfinding with Generative Imitation Learning [0.0]
目標条件付き自己回帰モデルを導入し,個人間の複雑な相互作用を捉える。
このモデルは、潜在的なロボット軌道サンプルを処理し、周囲の個人の反応を予測する。
論文 参考訳(メタデータ) (2024-08-07T14:32:41Z) - MATRIX: Multi-Agent Trajectory Generation with Diverse Contexts [47.12378253630105]
マルチヒューマン・ロボットインタラクションシナリオにおけるトラジェクトリレベルのデータ生成について検討する。
Diverse conteXts(MATRIX)を用いたマルチエージェントTRajectory生成と呼ばれる学習に基づく自動軌道生成モデルを提案する。
論文 参考訳(メタデータ) (2024-03-09T23:28:54Z) - Robot Fine-Tuning Made Easy: Pre-Training Rewards and Policies for
Autonomous Real-World Reinforcement Learning [58.3994826169858]
ロボット強化学習のためのリセット不要な微調整システムであるRoboFuMEを紹介する。
我々の洞察は、オフラインの強化学習技術を利用して、事前訓練されたポリシーの効率的なオンライン微調整を確保することである。
提案手法では,既存のロボットデータセットからのデータを組み込んで,目標タスクを3時間以内の自律現実体験で改善することができる。
論文 参考訳(メタデータ) (2023-10-23T17:50:08Z) - Learning to Simulate Daily Activities via Modeling Dynamic Human Needs [24.792813473159505]
生成的逆転模倣学習に基づく知識駆動型シミュレーションフレームワークを提案する。
我々の中核となる考え方は、シミュレーションモデルにおける活動生成を駆動する基盤となるメカニズムとして、人間の要求の進化をモデル化することである。
我々のフレームワークは、データの忠実さと実用性の観点から、最先端のベースラインよりも優れています。
論文 参考訳(メタデータ) (2023-02-09T12:30:55Z) - HARPS: An Online POMDP Framework for Human-Assisted Robotic Planning and
Sensing [1.3678064890824186]
HARPS(Human Assisted Robotic Planning and Sensing)フレームワークは、ロボットチームにおけるアクティブなセマンティックセンシングと計画のためのフレームワークである。
このアプローチにより、人間が不規則にモデル構造を強制し、不確実な環境で意味的なソフトデータの範囲を拡張することができる。
大規模部分構造環境におけるUAV対応ターゲット探索アプリケーションのシミュレーションは、時間と信念状態の推定において著しく改善されている。
論文 参考訳(メタデータ) (2021-10-20T00:41:57Z) - What Matters in Learning from Offline Human Demonstrations for Robot
Manipulation [64.43440450794495]
ロボット操作のための6つのオフライン学習アルゴリズムについて広範な研究を行う。
我々の研究は、オフラインの人間のデータから学習する際の最も重要な課題を分析します。
人間のデータセットから学ぶ機会を強調します。
論文 参考訳(メタデータ) (2021-08-06T20:48:30Z) - A User's Guide to Calibrating Robotics Simulators [54.85241102329546]
本稿では,シミュレーションで学習したモデルやポリシーを現実世界に伝達することを目的とした,様々なアルゴリズムの研究のためのベンチマークとフレームワークを提案する。
我々は、様々なアルゴリズムの性能に関する洞察を特徴付け、提供するために、広く知られたシミュレーション環境の実験を行う。
我々の分析は、この分野の実践者にとって有用であり、sim-to-realアルゴリズムの動作と主特性について、より深い選択をすることができる。
論文 参考訳(メタデータ) (2020-11-17T22:24:26Z) - Human Trajectory Forecasting in Crowds: A Deep Learning Perspective [89.4600982169]
本稿では,既存の深層学習に基づくソーシャルインタラクションのモデル化手法について詳細に分析する。
本稿では、これらの社会的相互作用を効果的に捉えるための知識に基づく2つのデータ駆動手法を提案する。
我々は,人間の軌道予測分野において,重要かつ欠落したコンポーネントであるTrajNet++を大規模に開発する。
論文 参考訳(メタデータ) (2020-07-07T17:19:56Z) - Predictive Modeling of Periodic Behavior for Human-Robot Symbiotic
Walking [13.68799310875662]
我々は、インタラクションプリミティブを周期的な運動体制、すなわち歩行に拡張する。
このモデルは、人間の歩行の、データ駆動でカスタマイズされたモデルを学ぶのに特に適していることを示す。
また,ロボット義肢のコントローラーの学習にも,同じフレームワークが利用できることを示す。
論文 参考訳(メタデータ) (2020-05-27T03:30:48Z) - 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。