論文の概要: Physical Human-Robot Interaction: A Critical Review of Safety Constraints

• arxiv url: http://arxiv.org/abs/2601.19462v2
• Date: Thu, 05 Feb 2026 17:48:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:40.960832
• Title: Physical Human-Robot Interaction: A Critical Review of Safety Constraints
• Title（参考訳）: 物理的人間とロボットの相互作用 : 安全制約の批判的レビュー
• Authors: Riccardo Zanella, Federico Califano, Stefano Stramigioli,
• Abstract要約: 本稿では,人間とロボットの相互作用における安全性の制約を明確かつ厳密に理解することを目的としている。 本稿では,これらの制約の導出について検討し,基礎となる仮定を批判的に検討し,システムレベルの安全性と性能に対するそれらの実践的影響を評価する。
• 参考スコア（独自算出の注目度）: 2.3814052021083345
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper aims to provide a clear and rigorous understanding of commonly recognized safety constraints in physical human-robot interaction, particularly regarding ISO/TS 15066. We investigate the derivation of these constraints, critically examine the underlying assumptions, and evaluate their practical implications for system-level safety and performance in industrially relevant scenarios. Key design parameters within safety-critical control architectures are identified, and numerical examples are provided to quantify performance degradation arising from typical approximations and design decisions in manufacturing environments. Within this analysis, the fundamental role of energy in safety assessment is emphasized, providing focused insights into energy-based safety methodologies for collaborative industrial robot systems.
• Abstract（参考訳）: 本稿では,特にISO/TS 15066に関して,人間とロボットの相互作用において広く認識されている安全性の制約を明確かつ厳密に理解することを目的としている。 本稿では,これらの制約の導出について検討し,基礎となる仮定を批判的に検討し,産業的なシナリオにおけるシステムレベルの安全性と性能に対する実践的影響を評価する。 安全クリティカル制御アーキテクチャにおける鍵となる設計パラメータを特定し、製造環境における典型的な近似と設計決定から生じる性能劣化を定量化するための数値的な例を示す。 この分析の中では、安全評価におけるエネルギーの基本的な役割が強調され、協調産業ロボットシステムにおけるエネルギーベースの安全手法の考察が焦点となる。

関連論文リスト

• The Necessity of a Holistic Safety Evaluation Framework for AI-Based Automation Features [0.0]
  運転自動化機能に関する機能的安全性(SOTIF)と機能的安全性(FuSa)の分析は、伝統的に、厳格な安全影響評価から品質管理(QM)コンポーネントを除外してきた。 人工知能(AI)統合の最近の進歩は、そのようなコンポーネントがSOTIF関連の有害リスクに寄与できることを明らかにしている。 本稿では、AIコンポーネントのリスクを特定し軽減するために、包括的FuSa、SOTIF、AI標準駆動手法を採用することを主張する。
  論文  参考訳（メタデータ） (2026-02-05T00:22:24Z)
• A Verification Methodology for Safety Assurance of Robotic Autonomous Systems [0.1962656580942496]
  本稿では,自律型農業ロボットの安全性保証のための検証ワークフローを提案する。 コンセプトスタディから設計、実行時の検証に至るまで、開発ライフサイクル全体をカバーする。 提案手法は, 安全クリティカルな特性を検証し, 設計問題の早期発見を容易にするために有効に利用できることが示唆された。
  論文  参考訳（メタデータ） (2025-06-24T13:39:51Z)
• Probabilistic modelling and safety assurance of an agriculture robot providing light-treatment [0.0]
  農業ロボットの採用は、新しい技術の信頼性、堅牢性、安全性に対する農家の信頼を仮定している。 本稿では,早期開発段階における確率論的モデリングとリスク分析の枠組みについて考察する。
  論文  参考訳（メタデータ） (2025-06-24T13:39:32Z)
• Towards provable probabilistic safety for scalable embodied AI systems [79.31011047593492]
  エンボディードAIシステムは、様々なアプリケーションでますます普及している。 複雑な運用環境での安全性確保は依然として大きな課題である。 このパースペクティブは、安全で大規模に実施されたAIシステムを安全クリティカルなアプリケーションに採用するための道筋を提供する。
  論文  参考訳（メタデータ） (2025-06-05T15:46:25Z)
• Safely Learning Controlled Stochastic Dynamics [61.82896036131116]
  システム力学の安全な探索と効率的な推定を可能にする手法を提案する。 学習後、学習モデルはシステムのダイナミクスの予測を可能にし、任意の制御の安全性検証を可能にする。 我々は、真の力学のソボレフ正則性を高めることにより、安全性と適応学習率の向上を理論的に保証する。
  論文  参考訳（メタデータ） (2025-06-03T11:17:07Z)
• EARBench: Towards Evaluating Physical Risk Awareness for Task Planning of Foundation Model-based Embodied AI Agents [53.717918131568936]
  EAI(Embodied AI)は、高度なAIモデルを現実世界のインタラクションのための物理的なエンティティに統合する。 高レベルのタスク計画のためのEAIエージェントの"脳"としてのファンデーションモデルは、有望な結果を示している。 しかし、これらのエージェントの物理的環境への展開は、重大な安全性上の課題を呈している。 本研究では,EAIシナリオにおける身体的リスクの自動評価のための新しいフレームワークEARBenchを紹介する。
  論文  参考訳（メタデータ） (2024-08-08T13:19:37Z)
• Leveraging Traceability to Integrate Safety Analysis Artifacts into the Software Development Process [51.42800587382228]
  安全保証ケース(SAC)は、システムの進化中に維持することが困難である。 本稿では,ソフトウェアトレーサビリティを活用して,関連するシステムアーチファクトを安全解析モデルに接続する手法を提案する。 安全ステークホルダーがシステム変更が安全性に与える影響を分析するのに役立つように、システム変更の合理性を設計する。
  論文  参考訳（メタデータ） (2023-07-14T16:03:27Z)
• Sustainability Through Cognition Aware Safety Systems -- Next Level Human-Machine-Interaction [1.847374743273972]
  産業安全は、生産シナリオの間、人間、機械、環境の物理的整合性を扱う。 認知意識安全システム(CASS)の概念は、人間の負荷、ストレス、注意に関するAIベースの推論とAIベースのアクションの選択を統合して、安全停止のトリガーを避けることである。
  論文  参考訳（メタデータ） (2021-10-13T19:36:06Z)
• Evaluating the Safety of Deep Reinforcement Learning Models using Semi-Formal Verification [81.32981236437395]
  本稿では,区間分析に基づく半形式的意思決定手法を提案する。 本手法は, 標準ベンチマークに比較して, 形式検証に対して比較結果を得る。 提案手法は, 意思決定モデルにおける安全性特性を効果的に評価することを可能にする。
  論文  参考訳（メタデータ） (2020-10-19T11:18:06Z)

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。