論文の概要: PrioriTouch: Adapting to User Contact Preferences for Whole-Arm Physical Human-Robot Interaction

• arxiv url: http://arxiv.org/abs/2509.18447v1
• Date: Mon, 22 Sep 2025 22:05:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-24 20:41:27.599883
• Title: PrioriTouch: Adapting to User Contact Preferences for Whole-Arm Physical Human-Robot Interaction
• Title（参考訳）: PrioriTouch: 物理的・物理的人間ロボットインタラクションのためのユーザ・コンタクトの嗜好に適応する
• Authors: Rishabh Madan, Jiawei Lin, Mahika Goel, Angchen Xie, Xiaoyu Liang, Marcus Lee, Justin Guo, Pranav N. Thakkar, Rohan Banerjee, Jose Barreiros, Kate Tsui, Tom Silver, Tapomayukh Bhattacharjee,
• Abstract要約: 物理的人間とロボットの相互作用(pHRI)は、ロボットが個々の接触の好みに適応する必要がある。 PrioriTouchは複数の連絡先にまたがって制御対象をランク付けし、実行するためのフレームワークである。
• 参考スコア（独自算出の注目度）: 9.532236911248452
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Physical human-robot interaction (pHRI) requires robots to adapt to individual contact preferences, such as where and how much force is applied. Identifying preferences is difficult for a single contact; with whole-arm interaction involving multiple simultaneous contacts between the robot and human, the challenge is greater because different body parts can impose incompatible force requirements. In caregiving tasks, where contact is frequent and varied, such conflicts are unavoidable. With multiple preferences across multiple contacts, no single solution can satisfy all objectives--trade-offs are inherent, making prioritization essential. We present PrioriTouch, a framework for ranking and executing control objectives across multiple contacts. PrioriTouch can prioritize from a general collection of controllers, making it applicable not only to caregiving scenarios such as bed bathing and dressing but also to broader multi-contact settings. Our method combines a novel learning-to-rank approach with hierarchical operational space control, leveraging simulation-in-the-loop rollouts for data-efficient and safe exploration. We conduct a user study on physical assistance preferences, derive personalized comfort thresholds, and incorporate them into PrioriTouch. We evaluate PrioriTouch through extensive simulation and real-world experiments, demonstrating its ability to adapt to user contact preferences, maintain task performance, and enhance safety and comfort. Website: https://emprise.cs.cornell.edu/prioritouch.
• Abstract（参考訳）: 物理的人間とロボットの相互作用(pHRI)は、ロボットがどの位置や力が適用されるかなど、個々の接触の好みに適応する必要がある。 ロボットと人間間の複数の同時接触を含む腕全体の相互作用は、異なる身体部位が相容れない力の要求を課すため、より困難である。 接触が頻繁で多様である介護作業では、そのような衝突は避けられない。 複数の接点にまたがって複数の選好があるため、すべての目的を満足できる単一のソリューションは存在しない。 PrioriTouchは複数の連絡先にまたがって制御対象をランク付けし、実行するためのフレームワークである。 PrioriTouchは、一般的なコントローラーのコレクションから優先順位を付けることができ、ベッドの入浴やドレッシングといった介護シナリオだけでなく、より広範なマルチコンタクト設定にも適用できる。 提案手法は,新しい学習からランクへのアプローチと階層的な運用空間制御を組み合わせることで,シミュレーション・イン・ザ・ループのロールアウトをデータ効率と安全な探索に活用する。 身体支援の嗜好に関するユーザスタディを行い、パーソナライズされた快適な閾値を導出し、それらをPreferiTouchに組み込む。 シミュレーションや実世界の実験を通じてPreferiTouchを評価し,ユーザの好みに適応し,タスク性能を維持し,安全性と快適性を向上する能力を示した。 Webサイト: https://emprise.cs.cornell.edu/prioritouch

関連論文リスト

• CooHOI: Learning Cooperative Human-Object Interaction with Manipulated Object Dynamics [44.30880626337739]
  CooHOIはマルチヒューマノイド物体輸送問題の解決を目的としたフレームワークである。 単一のヒューマノイドキャラクタは、人間の動きの先行から模倣学習を通じてオブジェクトと対話することを学ぶ。 そして、ヒューマノイドは、操作対象の共有ダイナミクスを考慮し、他人と協調することを学ぶ。
  論文  参考訳（メタデータ） (2024-06-20T17:59:22Z)
• 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)
• InterControl: Zero-shot Human Interaction Generation by Controlling Every Joint [67.6297384588837]
  関節間の所望距離を維持するために,新しい制御可能な運動生成手法であるInterControlを導入する。 そこで本研究では,既成の大規模言語モデルを用いて,ヒューマンインタラクションのための結合ペア間の距離を生成できることを実証した。
  論文  参考訳（メタデータ） (2023-11-27T14:32:33Z)
• Contact Points Discovery for Soft-Body Manipulations with Differentiable Physics [99.86385468927638]
  本稿では,ソフトボディのプラスチックを変形させる物理解法を導出する接触点探索手法(CPDeform)を提案する。 単一段階のタスクでは,移動優先度に基づいて適切な初期接触点を自動的に見つけることができる。 複雑なマルチステージタスクでは、トランスポート優先に基づいて、エンドエフェクタの接触点を反復的に切り替えることができる。
  論文  参考訳（メタデータ） (2022-05-05T17:59:41Z)
• COUCH: Towards Controllable Human-Chair Interactions [44.66450508317131]
  物体上の異なる接触位置を条件としたシーン相互作用の合成問題について検討する。 手の接触認識制御信号を予測して動きを先導する新しい合成フレームワークCOUCHを提案する。 本手法は,既存の人間と物体の相互作用法に比べて,定量的,定性的な改善を示す。
  論文  参考訳（メタデータ） (2022-05-01T19:14:22Z)
• Model Predictive Control for Fluid Human-to-Robot Handovers [50.72520769938633]
  人間の快適さを考慮に入れた計画運動は、人間ロボットのハンドオーバプロセスの一部ではない。 本稿では,効率的なモデル予測制御フレームワークを用いてスムーズな動きを生成することを提案する。 ユーザ数名の多様なオブジェクトに対して,人間とロボットのハンドオーバ実験を行う。
  論文  参考訳（メタデータ） (2022-03-31T23:08:20Z)

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。