論文の概要: Towards Probabilistic Inference of Human Motor Intentions by Assistive Mobile Robots Controlled via a Brain-Computer Interface

• arxiv url: http://arxiv.org/abs/2501.05610v1
• Date: Thu, 09 Jan 2025 23:18:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-13 15:26:10.085884
• Title: Towards Probabilistic Inference of Human Motor Intentions by Assistive Mobile Robots Controlled via a Brain-Computer Interface
• Title（参考訳）: 脳-コンピュータインタフェースを用いた補助移動ロボットによる人間の運動意図の確率論的推論
• Authors: Xiaoshan Zhou, Carol M. Menassa, Vineet R. Kamat,
• Abstract要約: Brain Computer Interface (BCI) は、物理的な動きを必要としない、ユーザフレンドリーな選択肢である。 現在のBCIシステムは、ユーザが加速するか減速するかを理解できますが、これらの変更を個別のスピードステップで実装します。 著者らは,BCI制御ロボットシステムにおける知覚行動サイクルを再設計することで,この制限に対処することを目指している。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Assistive mobile robots are a transformative technology that helps persons with disabilities regain the ability to move freely. Although autonomous wheelchairs significantly reduce user effort, they still require human input to allow users to maintain control and adapt to changing environments. Brain Computer Interface (BCI) stands out as a highly user-friendly option that does not require physical movement. Current BCI systems can understand whether users want to accelerate or decelerate, but they implement these changes in discrete speed steps rather than allowing for smooth, continuous velocity adjustments. This limitation prevents the systems from mimicking the natural, fluid speed changes seen in human self-paced motion. The authors aim to address this limitation by redesigning the perception-action cycle in a BCI controlled robotic system: improving how the robotic agent interprets the user's motion intentions (world state) and implementing these actions in a way that better reflects natural physical properties of motion, such as inertia and damping. The scope of this paper focuses on the perception aspect. We asked and answered a normative question "what computation should the robotic agent carry out to optimally perceive incomplete or noisy sensory observations?" Empirical EEG data were collected, and probabilistic representation that served as world state distributions were learned and evaluated in a Generative Adversarial Network framework. The ROS framework was established that connected with a Gazebo environment containing a digital twin of an indoor space and a virtual model of a robotic wheelchair. Signal processing and statistical analyses were implemented to identity the most discriminative features in the spatial-spectral-temporal dimensions, which are then used to construct the world model for the robotic agent to interpret user motion intentions as a Bayesian observer.
• Abstract（参考訳）: Assistive Mobile Robotは、障害者が自由に動く能力を取り戻すのを助ける、変革的な技術だ。 自律型車椅子はユーザの労力を大幅に削減するが、制御の維持と環境の変化に適応するためには、人間の入力が必要である。 Brain Computer Interface (BCI) は、物理的な動きを必要としない、ユーザフレンドリーな選択肢である。 現在のBCIシステムは、ユーザが加速するか減速するかを理解することができるが、スムーズで連続的な速度調整を可能にするのではなく、離散的な速度ステップでこれらの変更を実装する。 この制限により、システムは人間の自傷運動に見られる自然な流体速度の変化を模倣することができない。 著者らは,BCI制御ロボットシステムにおける知覚行動サイクルの再定義により,ロボットエージェントがユーザの動作意図(世界状態)をどう解釈するかを改良し,運動の自然な物理的特性(慣性や減衰など)をよりよく反映するように,これらの動作を実装することを目的としている。 本稿では,知覚的側面に焦点をあてる。 ロボットエージェントは、不完全またはノイズの多い感覚観察を最適に知覚するために、どんな計算を実行するべきか? 実証的な脳波データを収集し,世界状態の分布として機能する確率的表現をジェネレーティブ・アドバイサル・ネットワーク・フレームワークで学習し,評価した。 ROSフレームワークは、屋内空間のデジタル双対とロボット車椅子の仮想モデルを含むガゼボ環境と接続して確立された。 信号処理と統計解析は,空間的・時間的次元において最も識別性の高い特徴を識別するために実装され,ベイズ観測者としてのユーザ動作意図を解釈するために,ロボットエージェントの世界モデルの構築に使用される。

関連論文リスト

• Real-Time Dynamic Robot-Assisted Hand-Object Interaction via Motion Primitives [45.256762954338704]
  本稿では,動的ロボット支援ハンドオブジェクトインタラクションに着目した物理HRIの強化手法を提案する。 我々はトランスフォーマーに基づくアルゴリズムを用いて、1枚のRGB画像から人間の手の動きをリアルタイムに3Dモデリングする。 ロボットのアクション実装は、継続的に更新された3Dハンドモデルを使用して動的に微調整される。
  論文  参考訳（メタデータ） (2024-05-29T21:20:16Z)
• Robot Interaction Behavior Generation based on Social Motion Forecasting for Human-Robot Interaction [9.806227900768926]
  本稿では,共有ロボット表現空間における社会的動き予測のモデル化を提案する。 ECHOは上記の共有空間で活動し、社会的シナリオで遭遇したエージェントの将来の動きを予測する。 我々は,多対人動作予測タスクにおけるモデルの評価を行い,最先端の性能を大きなマージンで獲得する。
  論文  参考訳（メタデータ） (2024-02-07T11:37:14Z)
• Active Predicting Coding: Brain-Inspired Reinforcement Learning for Sparse Reward Robotic Control Problems [79.07468367923619]
  ニューラルジェネレーティブ・コーディング(NGC)の神経認知計算フレームワークによるロボット制御へのバックプロパゲーションフリーアプローチを提案する。 我々は、スパース報酬から動的オンライン学習を容易にする強力な予測符号化/処理回路から完全に構築されたエージェントを設計する。 提案するActPCエージェントは,スパース(外部)報酬信号に対して良好に動作し,複数の強力なバックプロップベースのRLアプローチと競合し,性能が優れていることを示す。
  論文  参考訳（メタデータ） (2022-09-19T16:49:32Z)
• Model Predictive Control for Fluid Human-to-Robot Handovers [50.72520769938633]
  人間の快適さを考慮に入れた計画運動は、人間ロボットのハンドオーバプロセスの一部ではない。 本稿では,効率的なモデル予測制御フレームワークを用いてスムーズな動きを生成することを提案する。 ユーザ数名の多様なオブジェクトに対して,人間とロボットのハンドオーバ実験を行う。
  論文  参考訳（メタデータ） (2022-03-31T23:08:20Z)
• Synthesis and Execution of Communicative Robotic Movements with Generative Adversarial Networks [59.098560311521034]
  我々は、繊細な物体を操作する際に人間が採用するのと同じキネマティクス変調を2つの異なるロボットプラットフォームに転送する方法に焦点を当てる。 我々は、ロボットのエンドエフェクターが採用する速度プロファイルを、異なる特徴を持つ物体を輸送する際に人間が何をするかに触発されて調整する。 我々は、人体キネマティクスの例を用いて訓練され、それらを一般化し、新しい有意義な速度プロファイルを生成する、新しいジェネレーティブ・アドバイサル・ネットワークアーキテクチャを利用する。
  論文  参考訳（メタデータ） (2022-03-29T15:03:05Z)
• Regularized Deep Signed Distance Fields for Reactive Motion Generation [30.792481441975585]
  距離に基づく制約は、ロボットが自分の行動を計画し、安全に行動できるようにするための基本となる。 本研究では,任意のスケールでスムーズな距離場を計算できる単一暗黙関数ReDSDFを提案する。 共有作業空間における全身制御(WBC)と安全なヒューマンロボットインタラクション(HRI)のための代表的タスクにおけるアプローチの有効性を実証する。
  論文  参考訳（メタデータ） (2022-03-09T14:21:32Z)
• Autonomous Aerial Robot for High-Speed Search and Intercept Applications [86.72321289033562]
  高速物体把握のための完全自律飛行ロボットが提案されている。 追加のサブタスクとして、我々のシステムは、表面に近い極にある気球を自律的にピアスすることができる。 我々のアプローチは、挑戦的な国際競争で検証され、優れた結果が得られました。
  論文  参考訳（メタデータ） (2021-12-10T11:49:51Z)
• Nonprehensile Riemannian Motion Predictive Control [57.295751294224765]
  本稿では,リアル・ツー・シムの報酬分析手法を導入し,リアルなロボット・プラットフォームに対する行動の可能性を確実に予測する。 連続的なアクション空間でオブジェクトを反応的にプッシュするクローズドループコントローラを作成します。 我々は,RMPCが乱雑な環境だけでなく,乱雑な環境においても頑健であり,ベースラインよりも優れていることを観察した。
  論文  参考訳（メタデータ） (2021-11-15T18:50:04Z)
• SABER: Data-Driven Motion Planner for Autonomously Navigating Heterogeneous Robots [112.2491765424719]
  我々は、データ駆動型アプローチを用いて、異種ロボットチームをグローバルな目標に向けてナビゲートする、エンドツーエンドのオンラインモーションプランニングフレームワークを提案する。 モデル予測制御(SMPC)を用いて,ロボット力学を満たす制御入力を計算し,障害物回避時の不確実性を考慮した。 リカレントニューラルネットワークは、SMPC有限時間地平線解における将来の状態の不確かさを素早く推定するために用いられる。 ディープQ学習エージェントがハイレベルパスプランナーとして機能し、SMPCにロボットを望ましいグローバルな目標に向けて移動させる目標位置を提供する。
  論文  参考訳（メタデータ） (2021-08-03T02:56:21Z)
• An Astrocyte-Modulated Neuromorphic Central Pattern Generator for Hexapod Robot Locomotion on Intel's Loihi [0.0]
  移動は、自然界に豊富な生物学的ネットワークによって「不運に」対処される脚のあるロボットにとって重要な課題であり、中央パターンジェネレータ(CPG)と呼ばれる。 そこで本研究では,ヘキサポッドロボットの歩行パターンを2つ生成する網羅的スパイキング型ニューラル・アストロサイトティックネットワークに基づく脳型CPG制御器を提案する。 我々の研究結果は、自律移動ロボットにおいて、この方法や、Loihiが制御するロコモーションへのアプローチを拡大する道を開いた。
  論文  参考訳（メタデータ） (2020-06-08T17:35:48Z)

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。