論文の概要: YCB-Handovers Dataset: Analyzing Object Weight Impact on Human Handovers to Adapt Robotic Handover Motion
- arxiv url: http://arxiv.org/abs/2512.20847v1
- Date: Tue, 23 Dec 2025 23:50:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 08:17:40.491047
- Title: YCB-Handovers Dataset: Analyzing Object Weight Impact on Human Handovers to Adapt Robotic Handover Motion
- Title（参考訳）: YCB-Handoversデータセット:ロボットハンドオーバ運動に適応する人間のハンドオーバに対する物体重みの影響の解析
- Authors: Parag Khanna, Karen Jane Dsouza, Chunyu Wang, Mårten Björkman, Christian Smith,
- Abstract要約: 本稿では,YCB-Handoversデータセットを導入し,物体重みの異なる2771人のハンドオーバの動作データを収集する。
このデータセットは、人間とロボットのコラボレーション研究のギャップを埋めることを目的としており、人間のハンドオーバにおける物体の重量の影響に関する洞察を提供する。
- 参考スコア（独自算出の注目度）: 13.176091162036833
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: This paper introduces the YCB-Handovers dataset, capturing motion data of 2771 human-human handovers with varying object weights. The dataset aims to bridge a gap in human-robot collaboration research, providing insights into the impact of object weight in human handovers and readiness cues for intuitive robotic motion planning. The underlying dataset for object recognition and tracking is the YCB (Yale-CMU-Berkeley) dataset, which is an established standard dataset used in algorithms for robotic manipulation, including grasping and carrying objects. The YCB-Handovers dataset incorporates human motion patterns in handovers, making it applicable for data-driven, human-inspired models aimed at weight-sensitive motion planning and adaptive robotic behaviors. This dataset covers an extensive range of weights, allowing for a more robust study of handover behavior and weight variation. Some objects also require careful handovers, highlighting contrasts with standard handovers. We also provide a detailed analysis of the object's weight impact on the human reaching motion in these handovers.
- Abstract（参考訳）: 本稿では,YCB-Handoversデータセットを導入し,物体重みの異なる2771人のハンドオーバの動作データを収集する。
このデータセットは、人間とロボットのコラボレーション研究のギャップを埋めることを目的としており、人間のハンドオーバにおける物体の重量の影響や、直感的なロボットの動き計画のための準備の仕方に関する洞察を提供する。
YCB(Yale-CMU-Berkeley)データセット(Yale-CMU-Berkeley)は、ロボット操作のアルゴリズムで使用される確立された標準データセットである。
YCB-Handoversのデータセットは、人間の動きパターンをハンドオーバに組み込んだもので、重量に敏感な動き計画と適応的なロボット行動を目的とした、データ駆動型で人間にインスパイアされたモデルに適用できる。
このデータセットは広い範囲の重量をカバーし、ハンドオーバの挙動と重量の変化についてより堅牢な研究を可能にする。
一部のオブジェクトは注意深いハンドオーバを必要とし、標準的なハンドオーバとのコントラストを強調します。
また、これらのハンドオーバにおいて、物体の重量が人間の到達運動に与える影響を詳細に分析する。
関連論文リスト
- InterAct: Advancing Large-Scale Versatile 3D Human-Object Interaction Generation [54.09384502044162]
大規模な3D HOIベンチマークであるInterActを導入する。
まず、さまざまなソースから21.81時間のHOIデータを統合し、標準化し、詳細なテキストアノテーションで強化する。
第2に、アーティファクトの削減と手の動きの修正によりデータ品質を向上させる統一的な最適化フレームワークを提案する。
第3に,6つのベンチマークタスクを定義し,HOI生成モデリングの視点を統一し,最先端性能を実現する。
論文 参考訳（メタデータ） (2025-09-11T15:43:54Z) - PA-HOI: A Physics-Aware Human and Object Interaction Dataset [15.985215689392179]
PA-HOIモーションキャプチャーデータセットを導入し、物体の物理的特性が人間の運動力学に与える影響を強調した。
データセットは、人間と物体の相互作用の592の動作シーケンスと、異なる性別の被験者によって実行される各シーケンスから構成される。
このデータセットは、異なる物体の物理的属性が人間の姿勢、速度、運動スケール、相互作用戦略にどのように影響するかを理解するために、既存の物体の範囲を大きく広げることで際立っている。
論文 参考訳（メタデータ） (2025-08-08T10:36:23Z) - Multi-Class Human/Object Detection on Robot Manipulators using Proprioceptive Sensing [0.0]
本研究の目的は,3種類の人・物検出モデルを評価し,より詳細な接触解析を行うことである。
データセットはFranka Emika Pandaロボットマニピュレータを用いて収集され、時系列分析のための前処理戦略を探索した。
最高の性能モデルは、リアルタイムテスト中に91.11%の精度を達成し、マルチクラス検出モデルの実現可能性を示した。
論文 参考訳（メタデータ） (2025-08-04T13:45:37Z) - Video-based Pose-Estimation Data as Source for Transfer Learning in
Human Activity Recognition [71.91734471596433]
オンボディデバイスを用いたヒューマンアクティビティ認識(HAR)は、制約のない環境での特定の人間の行動を特定する。
これまでの研究は、トランスファーラーニングが、少ないデータでシナリオに対処するための良い戦略であることを実証した。
本稿では,人為的位置推定を目的としたデータセットを伝達学習の情報源として用いることを提案する。
論文 参考訳（メタデータ） (2022-12-02T18:19:36Z) - Learn to Predict How Humans Manipulate Large-sized Objects from
Interactive Motions [82.90906153293585]
本稿では,動きデータと動的記述子を融合させるグラフニューラルネットワークHO-GCNを提案する。
動的記述子を消費するネットワークは、最先端の予測結果が得られ、未確認オブジェクトへのネットワークの一般化に役立つことを示す。
論文 参考訳（メタデータ） (2022-06-25T09:55:39Z) - TRiPOD: Human Trajectory and Pose Dynamics Forecasting in the Wild [77.59069361196404]
TRiPODは、グラフの注目ネットワークに基づいて身体のダイナミクスを予測する新しい方法です。
実世界の課題を取り入れるために,各フレームで推定された身体関節が可視・視認可能かどうかを示す指標を学習する。
評価の結果,TRiPODは,各軌道に特化して設計され,予測タスクに特化している。
論文 参考訳（メタデータ） (2021-04-08T20:01:00Z) - Reactive Human-to-Robot Handovers of Arbitrary Objects [57.845894608577495]
本稿では、未知の物体の人間とロボットのハンドオーバを可能にするビジョンベースシステムを提案する。
提案手法は,クローズドループ運動計画とリアルタイムかつ時間的に一貫性のあるグリップ生成を組み合わせたものである。
提案手法の汎用性,ユーザビリティ,ロバスト性を,26種類の家庭用オブジェクトからなる新しいベンチマークで実証した。
論文 参考訳（メタデータ） (2020-11-17T21:52:22Z) - Human Grasp Classification for Reactive Human-to-Robot Handovers [50.91803283297065]
本稿では,ロボットが人間に遭遇するロボットのハンドオーバに対するアプローチを提案する。
対象物をさまざまな手形やポーズで保持する典型的な方法をカバーする,人間の把握データセットを収集する。
本稿では,検出した把握位置と手の位置に応じて人手から対象物を取り出す計画実行手法を提案する。
論文 参考訳（メタデータ） (2020-03-12T19:58:03Z)
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。