論文の概要: A Generative System for Robot-to-Human Handovers: from Intent Inference to Spatial Configuration Imagery

• arxiv url: http://arxiv.org/abs/2503.03579v1
• Date: Wed, 05 Mar 2025 15:13:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-06 15:50:56.790567
• Title: A Generative System for Robot-to-Human Handovers: from Intent Inference to Spatial Configuration Imagery
• Title（参考訳）: ロボットと人間のハンドオーバのための生成システム:入射推論から空間構成画像へ
• Authors: Hanxin Zhang, Abdulqader Dhafer, Zhou Daniel Hao, Hongbiao Dong,
• Abstract要約: 本稿では,人間同士のインタラクションをエミュレートする,ロボット同士のオブジェクトハンドオーバのための新しいシステムを提案する。 提案システムは,人間によるハンドオーバ意図の推測,空間的ハンドオーバ構成の想像に焦点をあてる。 実験結果から,本手法は人間の手口を効果的に解釈し,流動的な人間的なハンドオーバを実現することが示唆された。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: We propose a novel system for robot-to-human object handover that emulates human coworker interactions. Unlike most existing studies that focus primarily on grasping strategies and motion planning, our system focus on 1. inferring human handover intents, 2. imagining spatial handover configuration. The first one integrates multimodal perception-combining visual and verbal cues-to infer human intent. The second one using a diffusion-based model to generate the handover configuration, involving the spacial relationship among robot's gripper, the object, and the human hand, thereby mimicking the cognitive process of motor imagery. Experimental results demonstrate that our approach effectively interprets human cues and achieves fluent, human-like handovers, offering a promising solution for collaborative robotics. Code, videos, and data are available at: https://i3handover.github.io.
• Abstract（参考訳）: 本稿では,人間同士のインタラクションをエミュレートする,ロボット同士のオブジェクトハンドオーバのための新しいシステムを提案する。 主に把握戦略と行動計画に焦点を当てた既存の研究とは異なり、我々のシステムは焦点を絞っている。 1.人間の引き渡し意図を推測すること 2.空間的ハンドオーバ構成の想像。 1つ目は、人間の意図を推測するために、マルチモーダルな知覚合成視覚と動詞の手がかりを統合することである。 2つ目は、拡散モデルを用いてハンドオーバ構成を生成し、ロボットのグリップ、物体、人間の手間の空間的関係を伴って、運動画像の認知過程を模倣する。 実験結果から,本手法は人間の手口を効果的に解釈し,ロボット工学における有望なソリューションを提供する。 コード、ビデオ、データは、https://i3handover.github.io.comで入手できる。

関連論文リスト

• Learning to Transfer Human Hand Skills for Robot Manipulations [12.797862020095856]
  本稿では,人間の手の動きのデモから,ロボットに巧妙な操作課題を教える方法を提案する。 本手法では,人間の手の動き,ロボットの手の動き,物体の動きを3Dでマッピングする関節運動多様体を学習し,ある動きを他者から推測する。
  論文  参考訳（メタデータ） (2025-01-07T22:33:47Z)
• SynH2R: Synthesizing Hand-Object Motions for Learning Human-to-Robot Handovers [35.386426373890615]
  視覚に基づく人間とロボットのハンドオーバは、人間とロボットのインタラクションにおいて重要かつ困難なタスクである。 本稿では,ロボットの訓練に適した人間のつかみ動作を生成するためのフレームワークを提案する。 これにより、以前の作業よりも100倍多くのオブジェクトで、総合的なトレーニングとテストデータを生成することができます。
  論文  参考訳（メタデータ） (2023-11-09T18:57:02Z)
• HandMeThat: Human-Robot Communication in Physical and Social Environments [73.91355172754717]
  HandMeThatは、物理的および社会的環境における命令理解とフォローの総合評価のためのベンチマークである。 HandMeThatには、人間とロボットの対話の1万エピソードが含まれている。 オフラインとオンラインの強化学習アルゴリズムはHandMeThatでは性能が良くないことを示す。
  論文  参考訳（メタデータ） (2023-10-05T16:14:46Z)
• ImitationNet: Unsupervised Human-to-Robot Motion Retargeting via Shared Latent Space [9.806227900768926]
  本稿では,ロボットの動きに対する新しいディープラーニング手法を提案する。 本手法では,新しいロボットへの翻訳を容易にする,人間とロボットのペアデータを必要としない。 我々のモデルは、効率と精度の観点から、人間とロボットの類似性に関する既存の研究よりも優れています。
  論文  参考訳（メタデータ） (2023-09-11T08:55:04Z)
• Giving Robots a Hand: Learning Generalizable Manipulation with Eye-in-Hand Human Video Demonstrations [66.47064743686953]
  眼内カメラは、視覚に基づくロボット操作において、より優れたサンプル効率と一般化を可能にすることを約束している。 一方、人間がタスクを行うビデオは、ロボット遠隔操作の専門知識を欠いているため、収集コストがずっと安い。 本研究では,広範にラベルのない人間ビデオによるロボット模倣データセットを拡張し,眼球運動ポリシーの一般化を大幅に促進する。
  論文  参考訳（メタデータ） (2023-07-12T07:04:53Z)
• Learning Reward Functions for Robotic Manipulation by Observing Humans [92.30657414416527]
  我々は、ロボット操作ポリシーのタスク非依存報酬関数を学習するために、幅広い操作タスクを解く人間のラベル付きビデオを使用する。 学習された報酬は、タイムコントラストの目的を用いて学習した埋め込み空間におけるゴールまでの距離に基づいている。
  論文  参考訳（メタデータ） (2022-11-16T16:26:48Z)
• 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)
• 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)
• 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。