論文の概要: Inference of Human-derived Specifications of Object Placement via Demonstration

• arxiv url: http://arxiv.org/abs/2508.19367v1
• Date: Tue, 26 Aug 2025 18:57:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-28 19:07:41.402117
• Title: Inference of Human-derived Specifications of Object Placement via Demonstration
• Title（参考訳）: 実証による人為的物体配置仕様の推測
• Authors: Alex Cuellar, Ho Chit Siu, Julie A Shah,
• Abstract要約: 本研究では,空間内の物体の相対的な位置を記述するための論理フレームワークである位置拡張RCC(PARCC)を紹介する。 また、実演を通してPARCC仕様を学習するための推論アルゴリズムも導入する。 本研究は,人間の意図する仕様を捕捉する枠組みの能力を実証する人間研究の結果を提示する。
• 参考スコア（独自算出の注目度）: 7.407663108423686
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: As robots' manipulation capabilities improve for pick-and-place tasks (e.g., object packing, sorting, and kitting), methods focused on understanding human-acceptable object configurations remain limited expressively with regard to capturing spatial relationships important to humans. To advance robotic understanding of human rules for object arrangement, we introduce positionally-augmented RCC (PARCC), a formal logic framework based on region connection calculus (RCC) for describing the relative position of objects in space. Additionally, we introduce an inference algorithm for learning PARCC specifications via demonstrations. Finally, we present the results from a human study, which demonstrate our framework's ability to capture a human's intended specification and the benefits of learning from demonstration approaches over human-provided specifications.
• Abstract（参考訳）: ロボットの操作能力がピック・アンド・プレイス・タスク(例えば、オブジェクト・パッキング、ソート、キット)に向上するにつれて、人間にとって重要な空間的関係を捉えることに関して、人間の受容可能なオブジェクト構成を理解することに焦点を当てた手法は、表現的に限られる。 本研究では,空間内の物体の相対的な位置を記述するための領域接続計算(RCC)に基づく形式論理フレームワークであるPARCCを導入する。 さらに、実演を通してPARCC仕様を学習するための推論アルゴリズムを導入する。 最後に、人間の意図する仕様をキャプチャする我々のフレームワークの能力と、人間が提供する仕様に対する実証的なアプローチから学ぶことの利点を実証する人間の研究結果を示す。

関連論文リスト

• Human-like conceptual representations emerge from language prediction [72.5875173689788]
  大規模言語モデル(LLMs)は、言語データに対する次世代の予測を通じてのみ訓練され、顕著な人間的な振る舞いを示す。 これらのモデルは、人間に似た概念を発達させ、もしそうなら、そのような概念はどのように表現され、組織化されるのか? 以上の結果から,LLMは言語記述から他の概念に関する文脈的手がかりに関して柔軟に概念を導出できることが示唆された。 これらの結果は、構造化された人間のような概念表現が、現実世界の接地なしに言語予測から自然に現れることを証明している。
  論文  参考訳（メタデータ） (2025-01-21T23:54:17Z)
• ThinkBot: Embodied Instruction Following with Thought Chain Reasoning [66.09880459084901]
  EIF(Embodied Instruction following)は、複雑な環境下でオブジェクトを相互作用させることで、エージェントが人間の指示を完了させる。 我々は,人間の指導における思考連鎖を原因とした思考ボットを提案し,その不足した行動記述を復元する。 私たちのThinkBotは、成功率と実行効率の両面で、最先端のEIFメソッドよりも大きなマージンで優れています。
  論文  参考訳（メタデータ） (2023-12-12T08:30:09Z)
• Hierarchical Path-planning from Speech Instructions with Spatial Concept-based Topometric Semantic Mapping [7.332652485849632]
  本研究の目的は,位相的意味マップと経路計画を用いた階層的空間表現の実現である。 本研究では,SIGVerseシミュレータ上でのToyota Human Support Robotを用いた家庭環境実験と,実ロボットAlbertを用いた実験室環境実験を行った。 経路距離を用いた音声指示を用いたナビゲーション実験は,経路コストを基準とした階層的経路計画法よりもSpCoTMHPの性能向上を実証した。
  論文  参考訳（メタデータ） (2022-03-21T09:15:25Z)
• Learning Intuitive Policies Using Action Features [7.260481131198059]
  ネットワークアーキテクチャが意味的関係を利用する学習アルゴリズムの妥当性に与える影響について検討する。 観察と行動の卓越した表現を共同で処理する注意に基づくアーキテクチャは、直感的なポリシーを学ぶ上でより良い帰納的バイアスをもたらす。
  論文  参考訳（メタデータ） (2022-01-29T20:54:52Z)
• DRG: Dual Relation Graph for Human-Object Interaction Detection [65.50707710054141]
  人-物間相互作用(HOI)検出の課題に対処する。 既存の方法は、人間と物体の対の相互作用を独立に認識するか、複雑な外観に基づく共同推論を行う。 本稿では,抽象的空間意味表現を活用して,各対象対を記述し,二重関係グラフを用いてシーンの文脈情報を集約する。
  論文  参考訳（メタデータ） (2020-08-26T17:59:40Z)
• Parts-Based Articulated Object Localization in Clutter Using Belief Propagation [6.813222130986094]
  本稿では, クラッタ内における明瞭な物体の認識と位置推定法について述べる。 本研究では,手工具の認識と位置決定のためのテーブルトップ環境における提案手法の有効性を実証する。
  論文  参考訳（メタデータ） (2020-08-06T21:34:52Z)
• Closed-Form Factorization of Latent Semantics in GANs [65.42778970898534]
  画像合成のために訓練されたGAN(Generative Adversarial Networks)の潜在空間に、解釈可能な次元の豊富なセットが出現することが示されている。 本研究では,GANが学習した内部表現について検討し,その基礎となる変動要因を教師なしで明らかにする。 本稿では,事前学習した重みを直接分解することで,潜在意味発見のためのクローズドフォーム因数分解アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-07-13T18:05:36Z)
• Spatial Concept-Based Navigation with Human Speech Instructions via Probabilistic Inference on Bayesian Generative Model [8.851071399120542]
  本研究の目的は,移動ロボットが人間の音声によるナビゲーション作業を行うことを可能にすることである。 音声指示下での経路軌道の空間確率分布として経路計画が定式化された。 提案手法の有効性をシミュレータや実環境において検証するために,取得した空間概念を用いた人間の指導に基づく経路計画法を実証した。
  論文  参考訳（メタデータ） (2020-02-18T05:35:29Z)

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。