論文の概要: Uncertainty-Resilient Active Intention Recognition for Robotic Assistants
- arxiv url: http://arxiv.org/abs/2508.19150v1
- Date: Tue, 26 Aug 2025 16:00:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-27 17:42:38.906323
- Title: Uncertainty-Resilient Active Intention Recognition for Robotic Assistants
- Title（参考訳）: ロボットアシスタントのための不確かさ耐性アクティブインテンション認識
- Authors: Juan Carlos Saborío, Marc Vinci, Oscar Lima, Sebastian Stock, Lennart Niecksch, Martin Günther, Alexander Sung, Joachim Hertzberg, Martin Atzmüller,
- Abstract要約: 我々は不確実性とセンサノイズに耐性を持つように設計されたフレームワークを提案する。
我々のアプローチは、不確実性の下での協調的な計画と行動に対処する。
我々の統合されたフレームワークは、有望な結果を得た物理ロボットでうまくテストされている。
- 参考スコア（独自算出の注目度）: 35.33099418705829
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Purposeful behavior in robotic assistants requires the integration of multiple components and technological advances. Often, the problem is reduced to recognizing explicit prompts, which limits autonomy, or is oversimplified through assumptions such as near-perfect information. We argue that a critical gap remains unaddressed -- specifically, the challenge of reasoning about the uncertain outcomes and perception errors inherent to human intention recognition. In response, we present a framework designed to be resilient to uncertainty and sensor noise, integrating real-time sensor data with a combination of planners. Centered around an intention-recognition POMDP, our approach addresses cooperative planning and acting under uncertainty. Our integrated framework has been successfully tested on a physical robot with promising results.
- Abstract（参考訳）: ロボットアシスタントの目的的動作には、複数のコンポーネントの統合と技術進歩が必要である。
多くの場合、問題は、自律性を制限する明示的なプロンプトを認識するか、あるいはほぼ完全な情報のような仮定によって過度に単純化される。
特に、人間の意図認識に固有の不確実な結果と認識の誤りを推論する課題である。
そこで本研究では,リアルタイムセンサデータとプランナを組み合わせることで,不確実性やセンサノイズに耐性を持つように設計されたフレームワークを提案する。
本手法は意図認識PMDPを中心に,協調的な計画と不確実性の下での行動に対処する。
我々の統合されたフレームワークは、有望な結果を得た物理ロボットでうまくテストされている。
関連論文リスト
- Interactive Agents to Overcome Ambiguity in Software Engineering [61.40183840499932]
AIエージェントは、あいまいで不明確なユーザー指示に基づいて、タスクを自動化するためにますますデプロイされている。
不安定な仮定をし、明確な質問をしないことは、最適以下の結果につながる可能性がある。
対話型コード生成設定において,LLMエージェントが不明瞭な命令を処理する能力について,プロプライエタリモデルとオープンウェイトモデルを評価して検討する。
論文 参考訳（メタデータ） (2025-02-18T17:12:26Z) - Know Where You're Uncertain When Planning with Multimodal Foundation Models: A Formal Framework [54.40508478482667]
認識と計画生成の不確実性を解消し、定量化し、緩和する包括的枠組みを提案する。
本稿では,知覚と意思決定の独特な性質に合わせた手法を提案する。
この不確実性分散フレームワークは, 変動率を最大40%削減し, タスク成功率をベースラインに比べて5%向上させることを示した。
論文 参考訳（メタデータ） (2024-11-03T17:32:00Z) - Understanding Human Activity with Uncertainty Measure for Novelty in Graph Convolutional Networks [2.223052975765005]
本稿では,テンポラルフュージョングラフ畳み込みネットワークについて紹介する。
これは、アクティビティストリーム内の個々のアクションの境界推定が不十分であることを是正することを目的としている。
また、時間次元における過分割の問題も緩和する。
論文 参考訳（メタデータ） (2024-10-10T13:44:18Z) - Safe Explicable Planning [3.3869539907606603]
安全計画(SEP:Safe Explicable Planning)を提案する。
提案手法は,複数のモデルから派生した複数の対象の考察を一般化する。
これらの手法の望ましい理論的性質を検証するための公式な証明を提供する。
論文 参考訳（メタデータ） (2023-04-04T21:49:02Z) - iCORPP: Interleaved Commonsense Reasoning and Probabilistic Planning on
Robots [46.13039152809055]
我々はiCORPPと呼ばれる新しいアルゴリズムを提案し、現在の世界状態を同時に推定し、世界ダイナミクスの推論を行い、タスク指向のコントローラを構築する。
結果は、競合するベースラインと比較して、スケーラビリティ、効率、適応性が大幅に改善されたことを示している。
論文 参考訳（メタデータ） (2020-04-18T17:46:59Z)
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。