論文の概要: Task-Oriented Robot-Human Handovers on Legged Manipulators
- arxiv url: http://arxiv.org/abs/2602.05760v2
- Date: Mon, 09 Mar 2026 17:20:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 08:17:41.201972
- Title: Task-Oriented Robot-Human Handovers on Legged Manipulators
- Title（参考訳）: 片足マニピュレータのタスク指向型ロボット・ヒューマンハンドオーバ
- Authors: Andreea Tulbure, Carmen Scheidemann, Elias Steiner, Marco Hutter,
- Abstract要約: AFT-Handoverは、大規模言語モデル(LLM)駆動のアベイランス推論と効率的なテクスチャベースのアベイランス転送を統合して、ゼロショットで一般化可能なTOHを実現するフレームワークである。
AFT-Handoverを多種多様なタスク・オブジェクト・ペアで評価し、ハンドオーバの成功率の向上とベースラインよりも強力な一般化を示した。
- 参考スコア（独自算出の注目度）: 5.1300124835861505
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Task-oriented handovers (TOH) are fundamental to effective human-robot collaboration, requiring robots to present objects in a way that supports the human's intended post-handover use. Existing approaches are typically based on object- or task-specific affordances, but their ability to generalize to novel scenarios is limited. To address this gap, we present AFT-Handover, a framework that integrates large language model (LLM)-driven affordance reasoning with efficient texture-based affordance transfer to achieve zero-shot, generalizable TOH. Given a novel object-task pair, the method retrieves a proxy exemplar from a database, establishes part-level correspondences via LLM reasoning, and texturizes affordances for feature-based point cloud transfer. We evaluate AFT-Handover across diverse task-object pairs, showing improved handover success rates and stronger generalization compared to baselines. In a comparative user study, our framework is significantly preferred over the current state-of-the-art, effectively reducing human regrasping before tool use. Finally, we demonstrate TOH on legged manipulators, highlighting the potential of our framework for real-world robot-human handovers.
- Abstract（参考訳）: タスク指向ハンドオーバ(TOH)は、人間の意図したポストハンドオーバの使用をサポートする方法で、ロボットがオブジェクトを提示する必要がある、効果的な人間とロボットのコラボレーションの基礎である。
既存のアプローチは通常、オブジェクトやタスク固有の価格に基づいていますが、新しいシナリオに一般化する能力は限られています。
AFT-Handoverは,大規模言語モデル(LLM)によるアベイランス推論と効率的なテクスチャベースのアベイランス転送を統合し,ゼロショットで一般化可能なTOHを実現するフレームワークである。
新たなオブジェクトとタスクのペアが与えられると、データベースからプロキシの例を検索し、LCM推論を介して部分レベルの対応を確立し、特徴ベースのポイントクラウド転送のための余裕をテキスト化する。
AFT-Handoverを多種多様なタスク・オブジェクト・ペアで評価し、ハンドオーバの成功率の向上とベースラインよりも強力な一般化を示した。
比較ユーザスタディでは、我々のフレームワークは現状よりも大幅に好まれており、ツール使用前の人間の移植を効果的に減らしている。
最後に,手足のマニピュレータ上でTOHを実証し,実世界のロボットと人間のハンドオーバのためのフレームワークの可能性を強調した。
関連論文リスト
- Pro-HOI: Perceptive Root-guided Humanoid-Object Interaction [57.252599851031505]
本稿では,知覚根誘導型ヒューマノイドオブジェクトインタラクション,Pro-HOIを紹介する。
Pro-HOIは、堅牢なヒューマノイドロコ操作のための一般化可能なフレームワークである。
ユニツリーG1ロボットの実証検証は、Pro-HOIが一般化と堅牢性においてベースラインを著しく上回っていることを示す。
論文 参考訳（メタデータ） (2026-03-01T14:19:59Z) - Task-oriented grasping for dexterous robots using postural synergies and reinforcement learning [4.265773997354608]
既存の手法では、様々なオープンループとクローズドループアプローチを採用しているが、複数のオブジェクトを把握できるエンドツーエンドのソリューションが欠如している。
提案手法は強化学習を用いてタスク指向の把握を強化し,エージェントの作業後意図を優先する。
論文 参考訳（メタデータ） (2026-02-24T13:51:09Z) - The Real Barrier to LLM Agent Usability is Agentic ROI [110.31127571114635]
大規模言語モデル(LLM)エージェントは、人間とAIの相互作用において有望な変化を示す。
我々は、需要の高いマスマーケットアプリケーションにおいて、重要なユーザビリティギャップを強調します。
論文 参考訳（メタデータ） (2025-05-23T11:40:58Z) - Object-Focus Actor for Data-efficient Robot Generalization Dexterous Manipulation [14.977743061489518]
我々は,汎用デキスタラス操作のための新しいデータ効率のアプローチであるObject-Focus Actor (OFA)を紹介する。
OFAは、厳密な操作タスクで観測される一貫した終端軌道を利用して、効率的なポリシートレーニングを可能にする。
OFAは10のデモで堅牢なパフォーマンスを実現し、そのデータ効率を強調している。
論文 参考訳（メタデータ） (2025-05-21T04:37:56Z) - 3HANDS Dataset: Learning from Humans for Generating Naturalistic Handovers with Supernumerary Robotic Limbs [64.99122701615151]
スーパー数式ロボットアーム(英: Supernumerary Robotics limbs、SRL)は、ユーザーの身体と密に統合されたロボット構造である。
3HANDSは,日常活動を行う参加者と,ヒップマウントSRLを自然な方法で実施する参加者との間の,オブジェクトハンドオーバインタラクションの新たなデータセットである。
本稿では,自然なハンドオーバ軌跡を生成する3つのモデル,適切なハンドオーバエンドポイントを決定する1つのモデル,ハンドオーバ開始のタイミングを予測する3つのモデルを提案する。
論文 参考訳（メタデータ） (2025-03-06T17:23:55Z) - Sim-to-Real Reinforcement Learning for Vision-Based Dexterous Manipulation on Humanoids [56.892520712892804]
本稿では,ヒューマノイドロボットを訓練して3つの巧妙な操作を行う,実用的なシミュレート・トゥ・リアルなRLレシピを提案する。
未確認のオブジェクトやロバストで適応的な政策行動に対して高い成功率を示す。
論文 参考訳（メタデータ） (2025-02-27T18:59:52Z) - ObjectVLA: End-to-End Open-World Object Manipulation Without Demonstration [10.558622685760346]
本稿では,視覚・言語・アクションモデルによるオブジェクトの一般化を実現するための,シンプルで効果的な手法を提案する。
我々の手法は、ターゲットオブジェクトに関する知識を注入する軽量でスケーラブルな方法を提供する。
我々は、実際のロボットプラットフォーム上でObjectVLAを評価し、64%の成功率で100の新規オブジェクトを一般化できることを実証した。
論文 参考訳（メタデータ） (2025-02-26T15:56:36Z) - Learning Granularity-Aware Affordances from Human-Object Interaction for Tool-Based Functional Dexterous Grasping [27.124273762587848]
オブジェクトの付加的な特徴は、エージェントとオブジェクト間の機能的な相互作用のブリッジとして機能する。
機能的空き地を特定するための粒度対応型空き地特徴抽出法を提案する。
握り動作の予測には手動物体間相互作用領域で高活性な粗粒度機能を用いる。
GAAF-Dexは、人間と物体の相互作用からグラニュラリティ・アウェア・アフォーダンスを学習する完全なフレームワークである。
論文 参考訳（メタデータ） (2024-06-30T07:42:57Z) - RH20T-P: A Primitive-Level Robotic Dataset Towards Composable Generalization Agents [105.13169239919272]
プリミティブレベルのロボット操作データセットであるRH20T-Pを提案する。
実際のシナリオで67種類の操作タスクをカバーする約38Kのビデオクリップが含まれている。
我々は、計画実行CGAパラダイムを標準化し、RH20T-PにRA-Pと呼ばれる典型的なベースラインを実装します。
論文 参考訳（メタデータ） (2024-03-28T17:42:54Z) - Transferring Foundation Models for Generalizable Robotic Manipulation [82.12754319808197]
インターネット規模の基盤モデルによって生成された言語推論セグメンテーションマスクを効果的に活用する新しいパラダイムを提案する。
提案手法は,オブジェクトのポーズを効果的かつ堅牢に知覚し,サンプル効率のよい一般化学習を可能にする。
デモは提出されたビデオで見ることができ、より包括的なデモはlink1またはlink2で見ることができます。
論文 参考訳（メタデータ） (2023-06-09T07:22:12Z)
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。