論文の概要: Robot Tasks with Fuzzy Time Requirements from Natural Language Instructions

• arxiv url: http://arxiv.org/abs/2411.09436v1
• Date: Thu, 14 Nov 2024 13:34:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-15 15:23:54.746267
• Title: Robot Tasks with Fuzzy Time Requirements from Natural Language Instructions
• Title（参考訳）: 自然言語命令によるファジィ時間要求ロボットタスク
• Authors: Sascha Sucker, Michael Neubauer, Dominik Henrich,
• Abstract要約: ファジィスキルは、あいまいな実行時間要求を表すいわゆる満足度関数を持つロボットによる実行を定義する。 ロボットが複数のファジィスキルを扱うとき、満足度関数は実行のための時間的寛容窓を提供する。 本研究は, ユーザの満足度に最も近い台形機能を示す。
• 参考スコア（独自算出の注目度）: 0.7373617024876724
• License:
• Abstract: Natural language allows robot programming to be accessible to everyone. However, the inherent fuzziness in natural language poses challenges for inflexible, traditional robot systems. We focus on instructions with fuzzy time requirements (e.g., "start in a few minutes"). Building on previous robotics research, we introduce fuzzy skills. These define an execution by the robot with so-called satisfaction functions representing vague execution time requirements. Such functions express a user's satisfaction over potential starting times for skill execution. When the robot handles multiple fuzzy skills, the satisfaction function provides a temporal tolerance window for execution, thus, enabling optimal scheduling based on satisfaction. We generalized such functions based on individual user expectations with a user study. The participants rated their satisfaction with an instruction's execution at various times. Our investigations reveal that trapezoidal functions best approximate the users' satisfaction. Additionally, the results suggest that users are more lenient if the execution is specified further into the future.
• Abstract（参考訳）: 自然言語は、ロボットプログラミングを誰でも利用できるようにする。 しかし、自然言語に固有のファジィネスは、柔軟性のない従来のロボットシステムに課題をもたらす。 ファジィな時間要件(例:"数分後に開始")による指示に重点を置いています。 これまでのロボット工学の研究に基づいて、ファジィスキルを導入している。 これらは、あいまいな実行時間要求を表すいわゆる満足度関数を持つロボットによる実行を定義する。 このような機能は、スキル実行の潜在的な開始時間に対するユーザの満足度を表す。 ロボットが複数のファジィスキルを扱う場合、満足度関数は実行のための時間的寛容ウィンドウを提供し、満足度に基づいた最適なスケジューリングを可能にする。 本研究では,ユーザ個人の期待値に基づいて,そのような機能を一般化した。 参加者は様々な時間で指導の実施を満足度と評価した。 本研究は, ユーザの満足度に最も近い台形機能を示す。 さらに、その実行が将来的に指定されると、ユーザはより寛大になる。

関連論文リスト

• Yell At Your Robot: Improving On-the-Fly from Language Corrections [84.09578841663195]
  高いレベルのポリシーは、人間のフィードバックによって言語修正の形で容易に管理できることを示す。 このフレームワークは、ロボットがリアルタイムの言語フィードバックに迅速に適応するだけでなく、このフィードバックを反復的なトレーニングスキームに組み込むことを可能にする。
  論文  参考訳（メタデータ） (2024-03-19T17:08:24Z)
• Language-Conditioned Robotic Manipulation with Fast and Slow Thinking [30.36976573047372]
  我々は、人間の認知アーキテクチャを模倣してタスクを分類するフレームワーク、Fast and Slow Thinking (RFST)を紹介した。 RFSTは,1)現在のユーザ命令に基づいてどのシステムが起動されるべきかを決定する命令判別器,2)ポリシーネットワークに整合した微調整された視覚言語モデルで構成されるスロー思考システム,の2つの主要コンポーネントから構成される。 シミュレーションと実世界のシナリオの両方において,本手法が意図認識と推論を必要とする複雑なタスクを十分に管理していることを確認した。
  論文  参考訳（メタデータ） (2024-01-08T19:00:32Z)
• RoboPianist: Dexterous Piano Playing with Deep Reinforcement Learning [61.10744686260994]
  本稿では,150曲のピアノ作品の大規模なレパートリーをシミュレートして学習するシステムであるRoboPianistを紹介する。 また,オープンソース環境,タスクのベンチマーク,解釈可能な評価指標,今後の研究課題についても紹介する。
  論文  参考訳（メタデータ） (2023-04-09T03:53:05Z)
• Self-Improving Robots: End-to-End Autonomous Visuomotor Reinforcement Learning [54.636562516974884]
  模倣と強化学習において、人間の監督コストは、ロボットが訓練できるデータの量を制限する。 本研究では,自己改善型ロボットシステムのための新しい設計手法であるMEDAL++を提案する。 ロボットは、タスクの実施と解除の両方を学ぶことで、自律的にタスクを練習し、同時にデモンストレーションから報酬関数を推論する。
  論文  参考訳（メタデータ） (2023-03-02T18:51:38Z)
• Can Foundation Models Perform Zero-Shot Task Specification For Robot Manipulation? [54.442692221567796]
  タスク仕様は、熟練していないエンドユーザの関与とパーソナライズされたロボットの採用に不可欠である。 タスク仕様に対する広く研究されているアプローチは、目標を通じて、コンパクトな状態ベクトルまたは同じロボットシーンのゴールイメージを使用することである。 そこで本研究では,人間の指定や使用が容易な目標仕様の代替的,より汎用的な形式について検討する。
  論文  参考訳（メタデータ） (2022-04-23T19:39:49Z)
• iRoPro: An interactive Robot Programming Framework [2.7651063843287718]
  iRoProを使うと、技術的背景がほとんど、あるいは全くないユーザーが、ロボットに新しい再利用可能なアクションを教えることができる。 バクスター研究ロボット上で,iRoProをエンドツーエンドシステムとして実装する。
  論文  参考訳（メタデータ） (2021-12-08T13:53:43Z)
• Learning Language-Conditioned Robot Behavior from Offline Data and Crowd-Sourced Annotation [80.29069988090912]
  本研究では,ロボットインタラクションの大規模なオフラインデータセットから視覚に基づく操作タスクを学習する問題について検討する。 クラウドソースの自然言語ラベルを用いたオフラインロボットデータセットの活用を提案する。 提案手法は目標画像仕様と言語条件付き模倣技術の両方を25%以上上回っていることがわかった。
  論文  参考訳（メタデータ） (2021-09-02T17:42:13Z)
• A Persistent Spatial Semantic Representation for High-level Natural Language Instruction Execution [54.385344986265714]
  本稿では,言語行動とロボット行動のギャップを埋めるために,永続的な空間意味表現法を提案する。 一般的なステップバイステップ命令を完全に回避しながら、ALFREDベンチマークに対する我々のアプローチを評価し、最先端の結果を得る。
  論文  参考訳（メタデータ） (2021-07-12T17:47:19Z)
• Translating Natural Language Instructions to Computer Programs for Robot Manipulation [0.6629765271909505]
  自然言語命令をPython関数に翻訳し、オブジェクト検出器の出力にアクセスしてシーンをクエリすることを提案する。 提案手法は,ロボットの動作を直接予測するニューラルネットワークの訓練よりも優れた性能を示す。
  論文  参考訳（メタデータ） (2020-12-26T07:57:55Z)
• DeComplex: Task planning from complex natural instructions by a collocating robot [3.158346511479111]
  自然言語表現は言語的な変化が大きいため、人間の意図したタスクを実行するのは簡単ではない。 既存の作業では、一度に1つのタスク命令がロボットに与えられるか、命令に複数の独立したタスクが存在すると仮定している。 本稿では,自然言語命令で与えられた複数の相互依存タスクの実行順序を求める手法を提案する。
  論文  参考訳（メタデータ） (2020-08-23T18:10:24Z)

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。