論文の概要: Context-Aware Risk Estimation in Home Environments: A Probabilistic Framework for Service Robots

• arxiv url: http://arxiv.org/abs/2508.19788v1
• Date: Wed, 27 Aug 2025 11:14:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-28 19:07:41.606584
• Title: Context-Aware Risk Estimation in Home Environments: A Probabilistic Framework for Service Robots
• Title（参考訳）: 家庭環境におけるコンテキスト認識型リスク推定:サービスロボットの確率的枠組み
• Authors: Sena Ishii, Akash Chikhalikar, Ankit A. Ravankar, Jose Victorio Salazar Luces, Yasuhisa Hirata,
• Abstract要約: 本稿では,サービスロボットにおけるリアルタイムのリスク認識向上を目的とした,日常の屋内シーンにおける事故発生地域を推定するための新しい枠組みを提案する。 提案手法は,セマンティックグラフに基づく伝搬アルゴリズムを用いて,オブジェクトレベルのリスクとコンテキストをモデル化する。 提案手法は,人間に注釈を付けたリスク領域を持つデータセット上で検証され,リスク検出精度は75%である。
• 参考スコア（独自算出の注目度）: 2.5695499302569327
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: We present a novel framework for estimating accident-prone regions in everyday indoor scenes, aimed at improving real-time risk awareness in service robots operating in human-centric environments. As robots become integrated into daily life, particularly in homes, the ability to anticipate and respond to environmental hazards is crucial for ensuring user safety, trust, and effective human-robot interaction. Our approach models object-level risk and context through a semantic graph-based propagation algorithm. Each object is represented as a node with an associated risk score, and risk propagates asymmetrically from high-risk to low-risk objects based on spatial proximity and accident relationship. This enables the robot to infer potential hazards even when they are not explicitly visible or labeled. Designed for interpretability and lightweight onboard deployment, our method is validated on a dataset with human-annotated risk regions, achieving a binary risk detection accuracy of 75%. The system demonstrates strong alignment with human perception, particularly in scenes involving sharp or unstable objects. These results underline the potential of context-aware risk reasoning to enhance robotic scene understanding and proactive safety behaviors in shared human-robot spaces. This framework could serve as a foundation for future systems that make context-driven safety decisions, provide real-time alerts, or autonomously assist users in avoiding or mitigating hazards within home environments.
• Abstract（参考訳）: 本研究では,人間中心の環境下で作業するサービスロボットのリアルタイムリスク認識を改善することを目的とした,日常的な屋内シーンにおける事故発生地域を推定するための新しい枠組みを提案する。 ロボットが日常生活、特に家庭に統合されるにつれて、ユーザーの安全、信頼、効果的な人間とロボットの相互作用を確実にするためには、環境の危険を予知し、対処する能力が不可欠である。 提案手法は,セマンティックグラフに基づく伝搬アルゴリズムを用いて,オブジェクトレベルのリスクとコンテキストをモデル化する。 各オブジェクトは、関連するリスクスコアを持つノードとして表現され、空間的近接と事故の関係に基づいて、リスクが高リスクから低リスクに非対称に伝播する。 これにより、目に見えるかラベル付けされていない場合でも、ロボットは潜在的な危険を推測することができる。 本手法は,解釈可能性と軽量なオンボード配置のために設計され,人間にアノテートされたリスク領域を持つデータセット上で検証され,二元的リスク検出精度75%を達成する。 このシステムは、特に鋭い物体や不安定な物体を含む場面において、人間の知覚と強く一致している。 これらの結果は,共用ロボット空間におけるロボットシーン理解と積極的安全行動を高める文脈認識型リスク推論の可能性を示すものである。 このフレームワークは、コンテキスト駆動の安全性決定、リアルタイムアラートの提供、あるいはホーム環境内のハザードの回避や緩和を自律的に支援する、将来のシステムの基盤として機能する可能性がある。

関連論文リスト

• Probabilistic modelling and safety assurance of an agriculture robot providing light-treatment [0.0]
  農業ロボットの採用は、新しい技術の信頼性、堅牢性、安全性に対する農家の信頼を仮定している。 本稿では,早期開発段階における確率論的モデリングとリスク分析の枠組みについて考察する。
  論文  参考訳（メタデータ） (2025-06-24T13:39:32Z)
• An Approach to Technical AGI Safety and Security [72.83728459135101]
  我々は、人類を著しく傷つけるのに十分な害のリスクに対処するアプローチを開発する。 私たちは、誤用や悪用に対する技術的なアプローチに重点を置いています。 これらの成分を組み合わせてAGIシステムの安全性を実現する方法について概説する。
  論文  参考訳（メタデータ） (2025-04-02T15:59:31Z)
• Don't Let Your Robot be Harmful: Responsible Robotic Manipulation via Safety-as-Policy [53.048430683355804]
  ロボット操作における人間の指示の実行は、深刻な安全性のリスクにつながる可能性がある。 i) 安全リスクを含むシナリオを自動生成し、仮想的なインタラクションを行う世界モデルと、(ii) 反射による結果を予測するメンタルモデルを含む。 本研究は, 安全行政がリスクを回避し, 合成データセットと実世界の両方の実験において, 効率的にタスクを完了できることを実証する。
  論文  参考訳（メタデータ） (2024-11-27T12:27:50Z)
• EARBench: Towards Evaluating Physical Risk Awareness for Task Planning of Foundation Model-based Embodied AI Agents [53.717918131568936]
  EAI(Embodied AI)は、高度なAIモデルを現実世界のインタラクションのための物理的なエンティティに統合する。 高レベルのタスク計画のためのEAIエージェントの"脳"としてのファンデーションモデルは、有望な結果を示している。 しかし、これらのエージェントの物理的環境への展開は、重大な安全性上の課題を呈している。 本研究では,EAIシナリオにおける身体的リスクの自動評価のための新しいフレームワークEARBenchを紹介する。
  論文  参考訳（メタデータ） (2024-08-08T13:19:37Z)
• Risk-aware Trajectory Prediction by Incorporating Spatio-temporal Traffic Interaction Analysis [3.7414278978078204]
  本稿では,データセット内の高リスク相互作用に対応する位置と速度を解析することにより,この情報を得る。 トレーニングでは、高いリスク状況下でより良い予測を生成するために、それを使用します。
  論文  参考訳（メタデータ） (2024-07-15T11:57:06Z)
• Learning Risk-Aware Quadrupedal Locomotion using Distributional Reinforcement Learning [12.156082576280955]
  危険環境への展開には、ロボットが事故を防ぐための行動や動きに関連するリスクを理解する必要がある。 本稿では,分散強化学習を用いたリスクセンシティブな移動訓練手法を提案する。 シミュレーションおよび四足歩行ロボットANYmalにおいて,突発的リスクに敏感な移動行動を示す。
  論文  参考訳（メタデータ） (2023-09-25T16:05:32Z)
• Towards Risk Modeling for Collaborative AI [5.941104748966331]
  コラボレーティブaiシステムは、共通の目標を達成するために、共有空間で人間と協力することを目指している。 この設定は、人間を傷つける可能性のある接触により、潜在的に危険な状況を引き起こす。 協調型AIシステムに合わせたリスクモデリング手法を紹介します。
  論文  参考訳（メタデータ） (2021-03-12T18:53:06Z)
• Risk-Sensitive Sequential Action Control with Multi-Modal Human Trajectory Forecasting for Safe Crowd-Robot Interaction [55.569050872780224]
  本稿では,リスクに敏感な最適制御に基づく安全な群集ロボットインタラクションのためのオンラインフレームワークを提案し,そのリスクをエントロピーリスク尺度でモデル化する。 私たちのモジュラーアプローチは、クラウドとロボットの相互作用を学習ベースの予測とモデルベースの制御に分離します。 シミュレーション研究と実世界の実験により、このフレームワークは、現場にいる50人以上の人間との衝突を避けながら、安全で効率的なナビゲーションを実現することができることが示された。
  論文  参考訳（メタデータ） (2020-09-12T02:02:52Z)

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。