論文の概要: Interactive Robot Programming for Surface Finishing via Task-Centric Mixed Reality Interfaces

• arxiv url: http://arxiv.org/abs/2512.23616v1
• Date: Mon, 29 Dec 2025 17:21:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:40.556995
• Title: Interactive Robot Programming for Surface Finishing via Task-Centric Mixed Reality Interfaces
• Title（参考訳）: タスク中心混合現実感インタフェースによる表面仕上げのための対話型ロボットプログラミング
• Authors: Christoph Willibald, Lugh Martensen, Thomas Eiband, Dongheui Lee,
• Abstract要約: 共同作業型ロボットは、小型の工芸品や製造環境において表面仕上げにはほとんど使われない。 新しいサーフェスセグメンテーションアルゴリズムは、人間の入力を組み込んで処理する領域を特定する。 ユーザーはロボットの学習モデルに対して継続的な視覚的フィードバックを受ける。
• 参考スコア（独自算出の注目度）: 5.67537424643785
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Lengthy setup processes that require robotics expertise remain a major barrier to deploying robots for tasks involving high product variability and small batch sizes. As a result, collaborative robots, despite their advanced sensing and control capabilities, are rarely used for surface finishing in small-scale craft and manufacturing settings. To address this gap, we propose a novel robot programming approach that enables non-experts to intuitively program robots through interactive, task-focused workflows. For that, we developed a new surface segmentation algorithm that incorporates human input to identify and refine workpiece regions for processing. Throughout the programming process, users receive continuous visual feedback on the robot's learned model, enabling them to iteratively refine the segmentation result. Based on the segmented surface model, a robot trajectory is generated to cover the desired processing area. We evaluated multiple interaction designs across two comprehensive user studies to derive an optimal interface that significantly reduces user workload, improves usability and enables effective task programming even for users with limited practical experience.
• Abstract（参考訳）: ロボット工学の専門知識を必要とする長いセットアッププロセスは、高い製品変数と小さなバッチサイズを含むタスクのためにロボットをデプロイする上で、依然として大きな障壁である。 その結果、高度なセンシングと制御能力にもかかわらず、小型の工芸品や製造環境における表面仕上げには、協調的なロボットはめったに使われない。 このギャップに対処するために,非専門家が対話型タスク中心のワークフローを通じてロボットを直感的にプログラムできる,新しいロボットプログラミング手法を提案する。 そこで我々は,人間の入力を組み込んだ新しいサーフェスセグメンテーションアルゴリズムを開発した。 プログラミングプロセスを通じて、ユーザはロボットの学習したモデルに対して継続的な視覚的フィードバックを受け、セグメント化結果を反復的に洗練することができる。 セグメント化された表面モデルに基づいて、所望の処理領域をカバーするロボット軌道を生成する。 本研究では,2つの総合的なユーザスタディにおいて,ユーザ作業量を大幅に削減し,ユーザビリティを向上し,実践経験の少ないユーザでも効果的なタスクプログラミングを可能にする最適なインターフェースを実現するために,複数のインタラクション設計を評価した。

関連論文リスト

• A Design Co-Pilot for Task-Tailored Manipulators [21.513483509321805]
  本研究は,特定の環境に適したロボット形態を自動設計し,最適化するアプローチを提案する。 完全に微分可能なフレームワークは、設計されたロボットと逆キネマティクスソリューションの勾配に基づく微調整を実現する。 数値実験により, 粗い環境をナビゲートできるロボットや, 特定の作業空間にまたがって良好に動作し, ハードウェアの制約に適応できるマニピュレータが発見された。
  論文  参考訳（メタデータ） (2025-09-16T13:34:30Z)
• Recognizing Actions from Robotic View for Natural Human-Robot Interaction [52.00935005918032]
  自然人-ロボットインタラクション(Natural Human-Robot Interaction, N-HRI)は、ロボット自身が動いているか静止しているかに関わらず、ロボットが様々な距離と状態で人間の行動を認識することを要求する。 N-HRIの既存のベンチマークは、限られたデータ、モダリティ、タスクカテゴリ、主題や環境の多様性のために、N-HRIのユニークな複雑さに対処できない。 モバイルサービスロボットで広く使われている知覚中心ロボットビューのための大規模データセット(Action from Robotic View)を紹介する。
  論文  参考訳（メタデータ） (2025-07-30T09:48:34Z)
• COHERENT: Collaboration of Heterogeneous Multi-Robot System with Large Language Models [49.24666980374751]
  COHERENTは、異種マルチロボットシステムの協調のための新しいLCMベースのタスク計画フレームワークである。 提案-実行-フィードバック-調整機構は,個々のロボットに対して動作を分解・割り当てするように設計されている。 実験の結果,我々の研究は,成功率と実行効率の面で,従来の手法をはるかに上回っていることが明らかとなった。
  論文  参考訳（メタデータ） (2024-09-23T15:53:41Z)
• Generalized Robot Learning Framework [10.03174544844559]
  本稿では,様々なロボットや環境に容易に再現可能かつ伝達可能な,低コストなロボット学習フレームワークを提案する。 我々は,産業用ロボットにおいても,デプロイ可能な模倣学習をうまく適用できることを実証した。
  論文  参考訳（メタデータ） (2024-09-18T15:34:31Z)
• Spatial Computing and Intuitive Interaction: Bringing Mixed Reality and Robotics Together [68.44697646919515]
  本稿では,空間コンピューティングを応用し,新しいロボットのユースケースを実現するためのロボットシステムについて述べる。 空間コンピューティングとエゴセントリックな感覚を複合現実感デバイスに組み合わせることで、人間の行動をキャプチャして理解し、それらを空間的な意味を持つ行動に変換することができる。
  論文  参考訳（メタデータ） (2022-02-03T10:04:26Z)
• iRoPro: An interactive Robot Programming Framework [2.7651063843287718]
  iRoProを使うと、技術的背景がほとんど、あるいは全くないユーザーが、ロボットに新しい再利用可能なアクションを教えることができる。 バクスター研究ロボット上で,iRoProをエンドツーエンドシステムとして実装する。
  論文  参考訳（メタデータ） (2021-12-08T13:53:43Z)
• Scene Editing as Teleoperation: A Case Study in 6DoF Kit Assembly [18.563562557565483]
  遠隔操作によるシーン編集(SEaT)の枠組みを提案する。 ロボットを制御する代わりに、ユーザーはタスクのゴールを指定することに集中する。 ユーザは、ロボットハードウェアの専門知識を必要とせずに遠隔操作を行うことができる。
  論文  参考訳（メタデータ） (2021-10-09T04:22:21Z)
• Lifelong Robotic Reinforcement Learning by Retaining Experiences [61.79346922421323]
  多くのマルチタスク強化学習は、ロボットが常にすべてのタスクからデータを収集できると仮定している。 本研究では,物理ロボットシステムの実用的制約を動機として,現実的なマルチタスクRL問題について検討する。 我々は、ロボットのスキルセットを累積的に成長させるために、過去のタスクで学んだデータとポリシーを効果的に活用するアプローチを導出する。
  論文  参考訳（メタデータ） (2021-09-19T18:00:51Z)
• Show Me What You Can Do: Capability Calibration on Reachable Workspace for Human-Robot Collaboration [83.4081612443128]
  本稿では,REMPを用いた短時間キャリブレーションにより,ロボットが到達できると考える非専門家と地道とのギャップを効果的に埋めることができることを示す。 この校正手順は,ユーザ認識の向上だけでなく,人間とロボットのコラボレーションの効率化にも寄与することを示す。
  論文  参考訳（メタデータ） (2021-03-06T09:14:30Z)

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。