論文の概要: Mixed-Initiative Dialog for Human-Robot Collaborative Manipulation
- arxiv url: http://arxiv.org/abs/2508.05535v1
- Date: Thu, 07 Aug 2025 16:09:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-08 18:59:39.951103
- Title: Mixed-Initiative Dialog for Human-Robot Collaborative Manipulation
- Title（参考訳）: 人間-ロボット協調操作のための混合開始ダイアログ
- Authors: Albert Yu, Chengshu Li, Luca Macesanu, Arnav Balaji, Ruchira Ray, Raymond Mooney, Roberto Martín-Martín,
- Abstract要約: MICoBotは、両方のエージェントが自然言語を使用して、タスクの最も優れたステップを完遂できる提案を定式化、受け入れ、拒否する、という一般的なシナリオを扱う。
課題指向の対話を多様に扱うために,MICoBotは,(1)メタプランナーが人間のダイアログに高レベルの協調戦略を定式化してコーディングすることを考慮し,(2)プランナーがロボットの能力に基づいて各エージェントに残りのステップを最適に割り当てる,(3)行動が人間に言うような低レベルの行動を決定する,という3段階の意思決定を行う。
- 参考スコア（独自算出の注目度）: 8.446410154654467
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Effective robotic systems for long-horizon human-robot collaboration must adapt to a wide range of human partners, whose physical behavior, willingness to assist, and understanding of the robot's capabilities may change over time. This demands a tightly coupled communication loop that grants both agents the flexibility to propose, accept, or decline requests as they coordinate toward completing the task effectively. We apply a Mixed-Initiative dialog paradigm to Collaborative human-roBot teaming and propose MICoBot, a system that handles the common scenario where both agents, using natural language, take initiative in formulating, accepting, or rejecting proposals on who can best complete different steps of a task. To handle diverse, task-directed dialog, and find successful collaborative strategies that minimize human effort, MICoBot makes decisions at three levels: (1) a meta-planner considers human dialog to formulate and code a high-level collaboration strategy, (2) a planner optimally allocates the remaining steps to either agent based on the robot's capabilities (measured by a simulation-pretrained affordance model) and the human's estimated availability to help, and (3) an action executor decides the low-level actions to perform or words to say to the human. Our extensive evaluations in simulation and real-world -- on a physical robot with 18 unique human participants over 27 hours -- demonstrate the ability of our method to effectively collaborate with diverse human users, yielding significantly improved task success and user experience than a pure LLM baseline and other agent allocation models. See additional videos and materials at https://robin-lab.cs.utexas.edu/MicoBot/.
- Abstract（参考訳）: 長期の人間とロボットのコラボレーションのための効果的なロボットシステムは、身体的行動、支援への意欲、ロボットの能力の理解など、幅広い人間のパートナーに適応する必要がある。
これにより、双方のエージェントが効率的にタスクを完了するために協調して要求を提案、受理、拒否する柔軟性を許容する、密結合の通信ループが要求される。
ミキシング・イニシアティブ・ダイアログのパラダイムを協調的人間ロボットチームに適用し、自然言語を用いた双方のエージェントがタスクの最も優れたステップを策定、受理、拒否するという共通シナリオを扱うシステムであるMICoBotを提案する。
多様なタスク指向の対話に対処し、人間の努力を最小限に抑えるコラボレーション戦略を成功させるためには、(1)メタプランナーが人間の対話を定式化してハイレベルなコラボレーション戦略をコーディングすること、(2)プランナーがロボットの能力(シミュレーション制約された価格モデルによって測定される)と人間が助けられると推定される能力に基づいて、残りのステップを各エージェントに最適に割り当てること、(3)アクションエグゼクタが人間に話す低レベルな行動を決定すること、の3段階で意思決定を行う。
シミュレーションと実世界における広範囲な評価 - 27時間にわたって18人のユニークな人間の参加者を持つ物理ロボット上で - は、我々の手法が多様な人間のユーザと効果的に協力できることを示し、純粋なLCMベースラインや他のエージェントアロケーションモデルよりも、タスクの成功とユーザエクスペリエンスを著しく改善した。
追加のビデオや資料はhttps://robin-lab.cs.utexas.edu/MicoBot/を参照。
関連論文リスト
- Collaborative Gym: A Framework for Enabling and Evaluating Human-Agent Collaboration [51.452664740963066]
Collaborative Gymは、エージェント、人間、タスク環境間の非同期で三分割的なインタラクションを可能にするフレームワークである。
シミュレーション条件と実環境条件の両方において,Co-Gymを3つの代表的なタスクでインスタンス化する。
その結果、協調作業員はタスクパフォーマンスにおいて、完全に自律的なエージェントよりも一貫して優れていたことが判明した。
論文 参考訳（メタデータ） (2024-12-20T09:21:15Z) - COHERENT: Collaboration of Heterogeneous Multi-Robot System with Large Language Models [49.24666980374751]
COHERENTは、異種マルチロボットシステムの協調のための新しいLCMベースのタスク計画フレームワークである。
提案-実行-フィードバック-調整機構は,個々のロボットに対して動作を分解・割り当てするように設計されている。
実験の結果,我々の研究は,成功率と実行効率の面で,従来の手法をはるかに上回っていることが明らかとなった。
論文 参考訳（メタデータ） (2024-09-23T15:53:41Z) - LIT: Large Language Model Driven Intention Tracking for Proactive Human-Robot Collaboration -- A Robot Sous-Chef Application [4.519544934630495]
大型言語モデル (LLM) と視覚言語モデル (VLM) は、ロボットが自然言語のプロンプトを制御アクションに接地できるようにする。
言語駆動型意図追跡(LIT)は,人間の長期動作をモデル化し,ロボットを積極的に協調するための次の人間の意図を予測する。
論文 参考訳（メタデータ） (2024-06-19T19:18:40Z) - Large Language Model-based Human-Agent Collaboration for Complex Task
Solving [94.3914058341565]
複雑なタスク解決のためのLarge Language Models(LLM)に基づくヒューマンエージェントコラボレーションの問題を紹介する。
Reinforcement Learning-based Human-Agent Collaboration method, ReHACを提案する。
このアプローチには、タスク解決プロセスにおける人間の介入の最も急進的な段階を決定するために設計されたポリシーモデルが含まれている。
論文 参考訳（メタデータ） (2024-02-20T11:03:36Z) - Coordination with Humans via Strategy Matching [5.072077366588174]
協調作業を行う人間と人間のチームを観察することにより、利用可能なタスク補完戦略を自律的に認識するアルゴリズムを提案する。
隠れマルコフモデルを使って、チームアクションを低次元の表現に変換することで、事前の知識なしに戦略を識別できます。
ロボットポリシーは、未確認のパートナーのタスク戦略に適応するMixture-of-Expertsモデルを構築するための、識別された戦略のそれぞれに基づいて学習される。
論文 参考訳（メタデータ） (2022-10-27T01:00:50Z) - Intuitive and Efficient Human-robot Collaboration via Real-time
Approximate Bayesian Inference [4.310882094628194]
コラボレーションロボットとエンドツーエンドAIは、工場や倉庫における人間のタスクの柔軟な自動化を約束する。
人間とコボットは互いに協力します。
これらのコラボレーションが効果的で安全であるためには、ロボットは人間の意図をモデル化し、予測し、活用する必要がある。
論文 参考訳（メタデータ） (2022-05-17T23:04:44Z) - Co-GAIL: Learning Diverse Strategies for Human-Robot Collaboration [51.268988527778276]
本研究では,人間とロボットの協調実験から人間とロボットの協調政策を学習する手法を提案する。
本手法は対話型学習プロセスにおけるヒューマンポリシーとロボットポリシーを協調的に最適化する。
論文 参考訳（メタデータ） (2021-08-13T03:14:43Z) - Show Me What You Can Do: Capability Calibration on Reachable Workspace
for Human-Robot Collaboration [83.4081612443128]
本稿では,REMPを用いた短時間キャリブレーションにより,ロボットが到達できると考える非専門家と地道とのギャップを効果的に埋めることができることを示す。
この校正手順は,ユーザ認識の向上だけでなく,人間とロボットのコラボレーションの効率化にも寄与することを示す。
論文 参考訳（メタデータ） (2021-03-06T09:14:30Z) - Forming Human-Robot Cooperation for Tasks with General Goal using
Evolutionary Value Learning [9.053709318841232]
人間ロボット協力(HRC)では、ロボットは人間と協力してタスクを一緒に達成します。
既存のアプローチでは、人間が協力中に特定の目標を持っていると仮定し、ロボットはそれを推論し行動する。
HRCにおける目標仕様プロセスのダイナミクスをモデル化するEvolutionary Value Learning(EVL)アプローチを紹介します。
論文 参考訳（メタデータ） (2020-12-19T20:27:09Z) - 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)
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。