論文の概要: CERNet: Class-Embedding Predictive-Coding RNN for Unified Robot Motion, Recognition, and Confidence Estimation

• arxiv url: http://arxiv.org/abs/2512.07041v2
• Date: Wed, 04 Mar 2026 04:11:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:40.192522
• Title: CERNet: Class-Embedding Predictive-Coding RNN for Unified Robot Motion, Recognition, and Confidence Estimation
• Title（参考訳）: CERNet:Unified Robot Motion, Recognition, and Confidence Estimationのためのクラス埋め込み予測型RNN
• Authors: Hiroki Sawada, Alexandre Pitti, Mathias Quoy,
• Abstract要約: 本稿では,1つの階層的予測符号化リカレントニューラルネットワーク(PC-RNN)内の3つの機能すべてを実現する統一モデルを提案する。 階層モデルでは,パラメータマッチングされた単一層ベースラインよりも76%低い軌道誤差を達成し,外乱下での運動の忠実度を維持し,オンライン上での軌道クラスを68%のTop-1,81%のTop-2精度で推定する。
• 参考スコア（独自算出の注目度）: 43.0484058393522
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Robots interacting with humans must not only generate learned movements in real-time, but also infer the intent behind observed behaviors and estimate the confidence of their own inferences. This paper proposes a unified model that achieves all three capabilities within a single hierarchical predictive-coding recurrent neural network (PC-RNN) equipped with a class embedding vector, CERNet, which leverages a dynamically updated class embedding vector to unify motor generation and recognition. The model operates in two modes: generation and inference. In the generation mode, the class embedding constrains the hidden state dynamics to a class-specific subspace; in the inference mode, it is optimized online to minimize prediction error, enabling real-time recognition. Validated on a humanoid robot across 26 kinesthetically taught alphabets, our hierarchical model achieves 76% lower trajectory reproduction error than a parameter-matched single-layer baseline, maintains motion fidelity under external perturbations, and infers the demonstrated trajectory class online with 68% Top-1 and 81% Top-2 accuracy. Furthermore, internal prediction errors naturally reflect the model's confidence in its recognition. This integration of robust generation, real-time recognition, and intrinsic uncertainty estimation within a compact PC-RNN framework offers a compact and extensible approach to motor memory in physical robots, with potential applications in intent-sensitive human-robot collaboration.
• Abstract（参考訳）: 人間と対話するロボットは、学習した動きをリアルタイムで生成するだけでなく、観察された行動の背後にある意図を推測し、自身の推論の信頼度を推定する必要がある。 本稿では, 動的に更新されたクラス埋め込みベクトルを利用してモータ生成と認識を統一する, クラス埋め込みベクトル CERNet を備えた単一階層型予測符号化リカレントニューラルネットワーク (PC-RNN) 内の3つの機能すべてを実現する統一モデルを提案する。 モデルは生成と推論の2つのモードで動作する。 生成モードでは、クラス埋め込みはクラス固有のサブスペースに隠された状態のダイナミクスを制約する。 提案する階層モデルは,26文字にわたるヒューマノイドロボットを用いて,パラメータマッチングされた単一層ベースラインよりも76%低い軌道再生誤差を達成し,外乱下での運動の忠実度を維持し,オンラインのTop-1と81%のTop-2の精度で軌道クラスを推定する。 さらに、内部予測誤差は、その認識に対するモデルの信頼を自然に反映する。 コンパクトPC-RNNフレームワーク内でのロバストな生成、リアルタイム認識、本質的な不確実性推定の統合は、物理的ロボットにおける運動記憶に対するコンパクトで拡張可能なアプローチを提供し、意図に敏感な人間ロボット協調に潜在的に応用する。

関連論文リスト

• A Segmented Robot Grasping Perception Neural Network for Edge AI [0.051776141577794685]
  本研究は,GAP9 RISC-V System-on-Chip上でのHeatmap-Guided Grasp検出を実装した。 このモデルは、入力次元の削減、モデルの分割、量子化など、ハードウェア対応技術を用いて最適化される。 GraspNet-1Billionベンチマークの実験的な評価は、完全なオンチップ推論の実現可能性を検証する。
  論文  参考訳（メタデータ） (2025-07-18T14:32:45Z)
• Navigating the Human Maze: Real-Time Robot Pathfinding with Generative Imitation Learning [0.0]
  目標条件付き自己回帰モデルを導入し,個人間の複雑な相互作用を捉える。 このモデルは、潜在的なロボット軌道サンプルを処理し、周囲の個人の反応を予測する。
  論文  参考訳（メタデータ） (2024-08-07T14:32:41Z)
• Interpretable Self-Aware Neural Networks for Robust Trajectory Prediction [50.79827516897913]
  本稿では,意味概念間で不確実性を分散する軌道予測のための解釈可能なパラダイムを提案する。 実世界の自動運転データに対する我々のアプローチを検証し、最先端のベースラインよりも優れた性能を示す。
  論文  参考訳（メタデータ） (2022-11-16T06:28:20Z)
• Real-to-Sim: Predicting Residual Errors of Robotic Systems with Sparse Data using a Learning-based Unscented Kalman Filter [65.93205328894608]
  我々は,動的・シミュレータモデルと実ロボット間の残差を学習する。 学習した残差誤差により、動的モデル、シミュレーション、および実際のハードウェア間の現実的ギャップをさらに埋めることができることを示す。
  論文  参考訳（メタデータ） (2022-09-07T15:15:12Z)
• Backprop-Free Reinforcement Learning with Active Neural Generative Coding [84.11376568625353]
  動的環境におけるエラー(バックプロップ)のバックプロパゲーションを伴わない行動駆動型生成モデルの学習のための計算フレームワークを提案する。 我々は、まばらな報酬でも機能するインテリジェントエージェントを開発し、推論として計画の認知理論からインスピレーションを得ている。 我々のエージェントの堅牢な性能は、神経推論と学習のためのバックプロップフリーアプローチがゴール指向の行動を促進するという有望な証拠を提供する。
  論文  参考訳（メタデータ） (2021-07-10T19:02:27Z)
• Model Predictive Actor-Critic: Accelerating Robot Skill Acquisition with Deep Reinforcement Learning [42.525696463089794]
  Model Predictive Actor-Critic (MoPAC)は、モデル予測ロールアウトとポリシー最適化を組み合わせてモデルバイアスを軽減するハイブリッドモデルベース/モデルフリーメソッドである。 MoPACは最適なスキル学習を近似誤差まで保証し、環境との物理的相互作用を減らす。
  論文  参考訳（メタデータ） (2021-03-25T13:50:24Z)
• Online Body Schema Adaptation through Cost-Sensitive Active Learning [63.84207660737483]
  この作業は、icubロボットシミュレータの7dofアームを使用して、シミュレーション環境で実行された。 コストに敏感な能動学習手法は最適な関節構成を選択するために用いられる。 その結果,コスト依存型能動学習は標準的な能動学習手法と同等の精度を示し,実行運動の約半分を減らした。
  論文  参考訳（メタデータ） (2021-01-26T16:01:02Z)
• Risk-Averse MPC via Visual-Inertial Input and Recurrent Networks for Online Collision Avoidance [95.86944752753564]
  本稿では,モデル予測制御(MPC)の定式化を拡張したオンライン経路計画アーキテクチャを提案する。 我々のアルゴリズムは、状態推定の共分散を推論するリカレントニューラルネットワーク(RNN)とオブジェクト検出パイプラインを組み合わせる。 本手法のロバスト性は, 複雑な四足歩行ロボットの力学で検証され, ほとんどのロボットプラットフォームに適用可能である。
  論文  参考訳（メタデータ） (2020-07-28T07:34:30Z)

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。