論文の概要: Bidirectional Human-Robot Communication for Physical Human-Robot Interaction

• arxiv url: http://arxiv.org/abs/2601.10796v1
• Date: Thu, 15 Jan 2026 19:01:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:40.80112
• Title: Bidirectional Human-Robot Communication for Physical Human-Robot Interaction
• Title（参考訳）: 物理的人間-ロボットインタラクションのための双方向人間-ロボットコミュニケーション
• Authors: Junxiang Wang, Cindy Wang, Rana Soltani Zarrin, Zackory Erickson,
• Abstract要約: BRIDGEは、物理的支援における双方向の人間ロボット通信システムである。 提案手法では,自然言語を用いてロボットの計画軌道をリアルタイムで修正することができる。 本システムでは, ユーザに対して, 結果の変化の確認や, 明確な疑問の呈示など, 言葉によるフィードバックを提供する。
• 参考スコア（独自算出の注目度）: 13.222878560524896
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Effective physical human-robot interaction requires systems that are not only adaptable to user preferences but also transparent about their actions. This paper introduces BRIDGE, a system for bidirectional human-robot communication in physical assistance. Our method allows users to modify a robot's planned trajectory -- position, velocity, and force -- in real time using natural language. We utilize a large language model (LLM) to interpret any trajectory modifications implied by user commands in the context of the planned motion and conversation history. Importantly, our system provides verbal feedback in response to the user, either assuring any resulting changes or posing a clarifying question. We evaluated our method in a user study with 18 older adults across three assistive tasks, comparing BRIDGE to an ablation without verbal feedback and a baseline. Results show that participants successfully used the system to modify trajectories in real time. Moreover, the bidirectional feedback led to significantly higher ratings of interactivity and transparency, demonstrating that the robot's verbal response is critical for a more intuitive user experience. Videos and code can be found on our project website: https://bidir-comm.github.io/
• Abstract（参考訳）: 効果的な物理的な人間とロボットの相互作用は、ユーザの好みに適応するだけでなく、行動に対して透明なシステムを必要とする。 本稿では,身体支援における双方向人間ロボットコミュニケーションシステムBRIDGEを紹介する。 提案手法では,ロボットが計画する軌道(位置,速度,力)を,自然言語を用いてリアルタイムで修正することができる。 我々は,大規模言語モデル(LLM)を用いて,計画された動作と会話履歴のコンテキストにおいて,ユーザコマンドによって入力される任意の軌道修正を解釈する。 重要なこととして,本システムでは,ユーザに対して,結果の変化を保証したり,明確な質問をしたりして,言葉によるフィードバックを提供する。 高齢者18名を対象に, BRIDGEを動詞のフィードバックやベースラインを伴わないアブレーションと比較し, 3つの支援課題にまたがって評価を行った。 その結果、参加者はリアルタイムで軌跡を修正できるシステムに成功していることがわかった。 さらに、双方向フィードバックにより、対話性と透明性の格付けが大幅に向上し、ロボットの言葉による反応がより直感的なユーザー体験に重要であることを示した。 ビデオとコードは、プロジェクトのWebサイト(https://bidir-comm.github.io/)で見ることができる。

関連論文リスト

• Learning Manipulation by Predicting Interaction [85.57297574510507]
  本稿では,インタラクションを予測して操作を学習する一般的な事前学習パイプラインを提案する。 実験の結果,MPIは従来のロボットプラットフォームと比較して10%から64%向上していることがわかった。
  論文  参考訳（メタデータ） (2024-06-01T13:28:31Z)
• Learning to Communicate Functional States with Nonverbal Expressions for Improved Human-Robot Collaboration [3.5408317027307055]
  協調ロボットは、スムーズな対話を可能にするために、内部状態を人間に効果的に伝える必要がある。 雑音の多い人間のフィードバックに基づく強化学習アルゴリズムを提案し, 正確に解釈された非言語音声表現を生成する。
  論文  参考訳（メタデータ） (2024-04-30T04:18:21Z)
• Real-time Addressee Estimation: Deployment of a Deep-Learning Model on the iCub Robot [52.277579221741746]
  住所推定は、社会ロボットが人間とスムーズに対話するために必要なスキルである。 人間の知覚スキルにインスパイアされたディープラーニングモデルは、iCubロボットに設計、訓練、デプロイされる。 本研究では,人間-ロボットのリアルタイムインタラクションにおいて,そのような実装の手順とモデルの性能について述べる。
  論文  参考訳（メタデータ） (2023-11-09T13:01:21Z)
• A Graph-to-Text Approach to Knowledge-Grounded Response Generation in Human-Robot Interaction [2.098944952054856]
  本稿では,対話状態のグラフベース表現に基づく人間-ロボット間相互作用の新しい対話モデルを提案する。 ユーザの発話に応答するために使用されるニューラルネットワークモデルは、シンプルだが効果的なグラフ・トゥ・テキスト機構に依存している。 提案手法はヒューマノイドロボットを用いたユーザスタディにより実験的に評価される。
  論文  参考訳（メタデータ） (2023-11-03T15:44:28Z)
• Incremental Learning of Humanoid Robot Behavior from Natural Interaction and Large Language Models [23.945922720555146]
  本研究では,自然相互作用から複雑な行動の漸進的な学習を実現するシステムを提案する。 本システムは,ヒューマノイドロボットARMAR-6のロボット認知アーキテクチャに組み込まれている。
  論文  参考訳（メタデータ） (2023-09-08T13:29:05Z)
• "No, to the Right" -- Online Language Corrections for Robotic Manipulation via Shared Autonomy [70.45420918526926]
  LILACは、実行中に自然言語の修正をオンラインで実施し、適応するためのフレームワークである。 LILACは人間とロボットを個別にターンテイクする代わりに、人間とロボットの間にエージェンシーを分割する。 提案手法は,タスク完了率が高く,ユーザによって主観的に好まれることを示す。
  論文  参考訳（メタデータ） (2023-01-06T15:03:27Z)
• 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)
• Synthesis and Execution of Communicative Robotic Movements with Generative Adversarial Networks [59.098560311521034]
  我々は、繊細な物体を操作する際に人間が採用するのと同じキネマティクス変調を2つの異なるロボットプラットフォームに転送する方法に焦点を当てる。 我々は、ロボットのエンドエフェクターが採用する速度プロファイルを、異なる特徴を持つ物体を輸送する際に人間が何をするかに触発されて調整する。 我々は、人体キネマティクスの例を用いて訓練され、それらを一般化し、新しい有意義な速度プロファイルを生成する、新しいジェネレーティブ・アドバイサル・ネットワークアーキテクチャを利用する。
  論文  参考訳（メタデータ） (2022-03-29T15:03:05Z)

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。