論文の概要: Dull, Dirty, Dangerous: Understanding the Past, Present, and Future of a Key Motivation for Robotics
- arxiv url: http://arxiv.org/abs/2602.04746v3
- Date: Tue, 10 Mar 2026 20:23:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 08:17:41.17703
- Title: Dull, Dirty, Dangerous: Understanding the Past, Present, and Future of a Key Motivation for Robotics
- Title（参考訳）: Dull, Dirty, Dangerous:ロボットにとって重要なモチベーションの過去,現在,未来を理解する
- Authors: Nozomi Nakajima, Pedro Reynolds-Cuéllar, Caitrin Lynch, Kate Darling,
- Abstract要約: ロボットが役に立つかもしれない場所をモチベーションするために、DDD(Dull, dirty, and dangerous)の作業が使われている。
出版物のわずか2.7%がDDDを定義し、8.7%がDDDであるタスクやジョブの具体的な例を提供している。
我々は、ロボットコミュニティが我々の技術における仕事の状況を考えるのに役立つフレームワークを提案する。
- 参考スコア（独自算出の注目度）: 0.8500695304824976
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In robotics, the concept of "dull, dirty, and dangerous" (DDD) work has been used to motivate where robots might be useful. In this paper, we conduct an empirical analysis of robotics publications between 1980 and 2024 that mention DDD, and find that only 2.7% of publications define DDD and 8.7% of publications provide concrete examples of tasks or jobs that are DDD. We then review the social science literature on "dull," "dirty," and "dangerous" work to provide definitions and guidance on how to conceptualize DDD for robotics. Finally, we propose a framework that helps the robotics community consider the job context for our technology, encouraging a more informed perspective on how robotics may impact human labor.
- Abstract（参考訳）: ロボット工学では、ロボットが役に立つかもしれない場所を動機付けるために「鈍く汚く、危険」という概念が使われてきた。
本稿では,1980年から2024年の間に,DDDに言及したロボティクス出版物の実証分析を行い,DDDを定義している出版物はわずか2.7%であり,また8.7%の出版物がDDDであるタスクやジョブの具体的な例を提供している。
次に、ロボット工学におけるDDDの概念化に関する定義とガイダンスを提供するために、"退屈"、"汚れ"、"危険な"作業について、社会科学文献をレビューする。
最後に,ロボット工学が人間の労働にどう影響するかを,ロボット工学コミュニティがより理解しやすくする枠組みを提案する。
関連論文リスト
- Dexterity from Smart Lenses: Multi-Fingered Robot Manipulation with In-the-Wild Human Demonstrations [52.29884993824894]
自然環境で日々のタスクを行う人間から、マルチフィンガーロボットポリシーを学ぶことは、ロボットコミュニティにとって長年の大きな目標だった。
AINAは、Aria Gen 2メガネを使用して、どこでも、どこでも、あらゆる環境で収集されたデータから、マルチフィンガーポリシーを学ぶことができる。
論文 参考訳（メタデータ） (2025-11-20T18:59:02Z) - A roadmap for AI in robotics [55.87087746398059]
AIの可能性を生かして、私たちの日常生活にロボットを配備する上での、際立った障壁に取り組みたいと考えています。
この記事では、1990年代からロボット工学におけるAIが達成したことを評価し、課題と約束を列挙した短期的・中期的な研究ロードマップを提案する。
論文 参考訳（メタデータ） (2025-07-26T15:18:28Z) - Action-Free Reasoning for Policy Generalization [23.34099331171177]
RAD(Action-free Data)による推論は、ロボットのデモデータとアクションフリーのビデオデータの両方から学習する。
RADはエボディメントギャップを越えて効果的な移動を可能にし、ロボットはアクションフリーのデータでしか見えないタスクを実行できる。
我々は、Bridge V2ベンチマークと互換性のある推論アノテーションを備えた、3,377人の人手によるデモの新しいデータセットをリリースする。
論文 参考訳（メタデータ） (2025-02-06T02:43:23Z) - $π_0$: A Vision-Language-Action Flow Model for General Robot Control [77.32743739202543]
本稿では,インターネット規模のセマンティック知識を継承するために,事前学習された視覚言語モデル(VLM)上に構築された新しいフローマッチングアーキテクチャを提案する。
我々は,事前訓練後のタスクをゼロショットで実行し,人からの言語指導に追従し,微調整で新たなスキルを習得する能力の観点から,我々のモデルを評価した。
論文 参考訳（メタデータ） (2024-10-31T17:22:30Z) - Generalizable Humanoid Manipulation with 3D Diffusion Policies [66.78220965526732]
我々は、ヒューマノイドロボットによる自律的な操作の問題を解決するために、現実世界のロボットシステムを構築している。
本システムは主に,人型ロボットデータを取得するための全身ロボット遠隔操作システムと,高さ調整可能なカートと3D LiDARセンサを備えた25-DoFヒューマノイドロボットプラットフォームの統合である。
1つのシーンで収集されたデータのみを使用し、オンボードコンピューティングのみで、フルサイズのヒューマノイドロボットが様々な現実世界のシナリオで自律的にスキルを発揮できることが示される。
論文 参考訳（メタデータ） (2024-10-14T17:59:00Z) - Knowledge-Driven Robot Program Synthesis from Human VR Demonstrations [16.321053835017942]
バーチャルリアリティ(VR)におけるヒューマンタスクの実演から実行可能なロボット制御プログラムを自動生成するシステムを提案する。
我々は、人間のVRデモを意味論的に解釈するために、常識知識とゲームエンジンに基づく物理を利用する。
ロボットショッピングアシスタントにおける力覚的フェッチ・アンド・プレイスという文脈でのアプローチを実証する。
論文 参考訳（メタデータ） (2023-06-05T09:37:53Z) - Teaching Continuity in Robotics Labs in the Age of Covid and Beyond [0.0]
本稿では,コンピュータサイエンス部門における未来のロボット技術者とロボティクスエンジニアの育成には,実際のロボットによる広範な直接的な作業が必要であることを論じる。
これはまさに、Covidパンデミックの始まりである2020年初頭にロボティクス研究所が遭遇した問題だ。
結論のエキサイティングな洞察は、パンデミックによって奨励され、引き起こされた作業は、長期的利益に非常に肯定的なものだ、ということです。
論文 参考訳（メタデータ） (2021-05-18T21:38:26Z) - 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。