論文の概要: FEAST: A Flexible Mealtime-Assistance System Towards In-the-Wild Personalization

• arxiv url: http://arxiv.org/abs/2506.14968v2
• Date: Fri, 27 Jun 2025 16:48:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-30 15:06:59.036421
• Title: FEAST: A Flexible Mealtime-Assistance System Towards In-the-Wild Personalization
• Title（参考訳）: FEAST:Wildのパーソナライゼーションに向けたフレキシブルな食事支援システム
• Authors: Rajat Kumar Jenamani, Tom Silver, Ben Dodson, Shiqin Tong, Anthony Song, Yuting Yang, Ziang Liu, Benjamin Howe, Aimee Whitneck, Tapomayukh Bhattacharjee,
• Abstract要約: FEASTはフレキシブルな食事時間支援システムで、Wildでパーソナライズできる。 当社のシステムは,適応性,透明性,安全性の3つのキーテットによって誘導されている。
• 参考スコア（独自算出の注目度）: 6.073688364333466
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Physical caregiving robots hold promise for improving the quality of life of millions worldwide who require assistance with feeding. However, in-home meal assistance remains challenging due to the diversity of activities (e.g., eating, drinking, mouth wiping), contexts (e.g., socializing, watching TV), food items, and user preferences that arise during deployment. In this work, we propose FEAST, a flexible mealtime-assistance system that can be personalized in-the-wild to meet the unique needs of individual care recipients. Developed in collaboration with two community researchers and informed by a formative study with a diverse group of care recipients, our system is guided by three key tenets for in-the-wild personalization: adaptability, transparency, and safety. FEAST embodies these principles through: (i) modular hardware that enables switching between assisted feeding, drinking, and mouth-wiping, (ii) diverse interaction methods, including a web interface, head gestures, and physical buttons, to accommodate diverse functional abilities and preferences, and (iii) parameterized behavior trees that can be safely and transparently adapted using a large language model. We evaluate our system based on the personalization requirements identified in our formative study, demonstrating that FEAST offers a wide range of transparent and safe adaptations and outperforms a state-of-the-art baseline limited to fixed customizations. To demonstrate real-world applicability, we conduct an in-home user study with two care recipients (who are community researchers), feeding them three meals each across three diverse scenarios. We further assess FEAST's ecological validity by evaluating with an Occupational Therapist previously unfamiliar with the system. In all cases, users successfully personalize FEAST to meet their individual needs and preferences. Website: https://emprise.cs.cornell.edu/feast
• Abstract（参考訳）: 理学療法ロボットは、給餌支援を必要とする世界中の数百万人の生活の質を向上させることを約束している。 しかし、家庭内の食事支援は、活動の多様性(例えば、食事、飲酒、口拭き)、状況(例えば、社交、テレビを見る)、食材、展開中に生じるユーザの好みなどにより、依然として困難である。 本研究は,個別のケア受け手のニーズを満たすために,個人化可能なフレキシブルな食事時間支援システムであるFEASTを提案する。 2人のコミュニティ研究者と共同で開発され、多様なケアを受ける人たちとの形式的な研究によって知らされ、我々のシステムは、適応性、透明性、安全性の3つの鍵となるパーソナライゼーションによって導かれる。 FEASTはこれらの原則を具現化している。 一 給餌、飲酒、口拭いの切り替えを可能にするモジュールハードウェア (二)Webインターフェース、ヘッドジェスチャ、物理ボタンなど多様なインタラクション方法により、多様な機能や嗜好に対応すること。 三 大規模言語モデルを用いて安全かつ透過的に適応できるパラメータ化行動木。 本研究では, FEASTが多種多様な透過的かつ安全な適応を提供し, 固定化されたカスタマイズに限定した最先端のベースラインを上回る性能を有することを示す。 実世界の適用性を示すために、我々は2人の介護者(コミュニティ研究者)と家庭内調査を行い、3つの異なるシナリオでそれぞれ3つの食事を摂る。 本システムに不慣れな職業療法士を用いて, FEASTの生態学的妥当性について検討した。 いずれにしても、ユーザーは個人のニーズや好みを満たすためにFEASTをパーソナライズすることに成功している。 Webサイト: https://emprise.cs.cornell.edu/feast

関連論文リスト

• USER-VLM 360: Personalized Vision Language Models with User-aware Tuning for Social Human-Robot Interactions [6.2486440301992605]
  本稿では,マルチモーダル・ユーザ・モデリングとバイアス・アウェア・最適化を統合した総合的なフレームワークであるUser-VLM 360degを提案する。 提案手法は,(1)視覚言語信号を用いてリアルタイムに対話を適応するユーザ・アウェア・チューニング,(2)嗜好最適化によるバイアス緩和,(3)人口統計,感情,関係メタデータを付加した360degの社会動機的相互作用データセットをキュレートした。
  論文  参考訳（メタデータ） (2025-02-15T02:25:49Z)
• MOPI-HFRS: A Multi-objective Personalized Health-aware Food Recommendation System with LLM-enhanced Interpretation [50.309987904297415]
  Yelpのような主要な食品レコメンデーションプラットフォームは、ユーザの選択した健康性よりも、ユーザの食事の好みを優先している。 我々はMOPI-HFRS(Multi-Objective Personalized Interpretable Health-Aware Food Recommendation System)を開発した。 ユーザの好み、パーソナライズされた健康、栄養の多様性の3つの目標と、大きな言語モデル(LLM)強化推論モジュールを共同で最適化することで、食品レコメンデーションを提供する。
  論文  参考訳（メタデータ） (2024-12-12T01:02:09Z)
• IMRL: Integrating Visual, Physical, Temporal, and Geometric Representations for Enhanced Food Acquisition [16.32678094159896]
  IMRL(Integrated Multi-dimensional Representation Learning, 統合多次元表現学習)を提案する。 提案手法は, 食品の種類や物理的特性を捉え, 獲得行動の時間的ダイナミクスをモデル化し, 最適スクーピング点を決定するための幾何学的情報を導入する。 IMRLにより、ILはコンテキストに基づいてスクーピング戦略を適応的に調整し、多様な食品取得シナリオを扱うロボットの能力を改善することができる。
  論文  参考訳（メタデータ） (2024-09-18T16:09:06Z)
• FLAIR: Feeding via Long-horizon AcquIsition of Realistic dishes [23.72810526053693]
  FLAIRは、基礎モデルの常識と少数ショット推論能力を活用する、長期給餌システムである。 現実的な6つのプレートの実際の評価では、FLAIRは効率的な食品のピックアップのために、様々なスキルのライブラリーを効果的に活用できることがわかった。
  論文  参考訳（メタデータ） (2024-07-10T11:38:57Z)
• Towards Unified Multi-Modal Personalization: Large Vision-Language Models for Generative Recommendation and Beyond [87.1712108247199]
  我々の目標は、マルチモーダルパーソナライゼーションシステム(UniMP)のための統一パラダイムを確立することである。 我々は、幅広いパーソナライズされたニーズに対処できる汎用的でパーソナライズされた生成フレームワークを開発する。 我々の手法は、パーソナライズされたタスクのための基礎言語モデルの能力を高める。
  論文  参考訳（メタデータ） (2024-03-15T20:21:31Z)
• Promptable Behaviors: Personalizing Multi-Objective Rewards from Human Preferences [53.353022588751585]
  本稿では,ロボットエージェントの多種多様な嗜好に対する効率的なパーソナライズを促進する新しいフレームワークであるPromptable Behaviorsを紹介する。 我々は、異なるタイプの相互作用を活用することによって、人間の嗜好を推測する3つの異なる方法を紹介した。 本稿では,ProcTHOR と Robothor のナビゲーションタスクをパーソナライズしたオブジェクトゴールナビゲーションおよびエスケープナビゲーションタスクにおいて,提案手法の評価を行う。
  論文  参考訳（メタデータ） (2023-12-14T21:00:56Z)
• Stable Bias: Analyzing Societal Representations in Diffusion Models [72.27121528451528]
  本稿では,テキスト・ツー・イメージ(TTI)システムにおける社会的バイアスを探索する新しい手法を提案する。 我々のアプローチは、プロンプト内の性別や民族のマーカーを列挙して生成された画像の変動を特徴づけることに依存している。 我々はこの手法を利用して3つのTTIシステムによって生成された画像を分析し、そのアウトプットが米国の労働人口層と相関しているのに対して、彼らは常に異なる範囲において、限界化されたアイデンティティを低く表現している。
  論文  参考訳（メタデータ） (2023-03-20T19:32:49Z)

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。