論文の概要: Realistic Synthetic Household Data Generation at Scale
- arxiv url: http://arxiv.org/abs/2602.07243v1
- Date: Fri, 06 Feb 2026 22:49:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-10 20:26:24.525036
- Title: Realistic Synthetic Household Data Generation at Scale
- Title（参考訳）: 大規模住宅におけるリアルな合成データ生成
- Authors: Siddharth Singh, Ifrah Idrees, Abraham Dauhajre,
- Abstract要約: Embodied AIは、環境推論と相互作用が可能な対話型エージェントの開発に使用できる。
提案する生成フレームワークは,長期の人間とロボットの相互作用を疎結合に生成することで,家庭のデータセットを大規模に生成する。
これらの貢献により、大規模な家庭用スマートデバイスの開発とテストが可能になる。
- 参考スコア（独自算出の注目度）: 2.809651739704387
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Advancements in foundation models have catalyzed research in Embodied AI to develop interactive agents capable of environmental reasoning and interaction. Developing such agents requires diverse, large-scale datasets. Prior frameworks generate synthetic data for long-term human-robot interactions but fail to model the bidirectional influence between human behavior and household environments. Our proposed generative framework creates household datasets at scale through loosely coupled generation of long-term human-robot interactions and environments. Human personas influence environment generation, while environment schematics and semantics shape human-robot interactions. The generated 3D data includes rich static context such as object and environment semantics, and temporal context capturing human and agent behaviors over extended periods. Our flexible tool allows users to define dataset characteristics via natural language prompts, enabling configuration of environment and human activity data through natural language specifications. The tool creates variations of user-defined configurations, enabling scalable data generation. We validate our framework through statistical evaluation using multi-modal embeddings and key metrics: cosine similarity, mutual information gain, intervention analysis, and iterative improvement validation. Statistical comparisons show good alignment with real-world datasets (HOMER) with cosine similarity (0.60), while synthetic datasets (Wang et al.) show moderate alignment (0.27). Intervention analysis across age, organization, and sleep pattern changes shows statistically significant effects (p < 0.001) with large effect sizes (Cohen's d = 0.51-1.12), confirming bidirectional coupling translates persona traits into measurable environmental and behavioral differences. These contributions enable development and testing of household smart devices at scale.
- Abstract（参考訳）: 基礎モデルの進歩は、環境推論と相互作用が可能な対話エージェントを開発するために、エボダイドAIの研究を触媒した。
このようなエージェントの開発には多様な大規模データセットが必要である。
従来のフレームワークは、長期的な人間とロボットの相互作用のための合成データを生成するが、人間の行動と家庭環境の間の双方向の影響をモデル化することができない。
提案する生成フレームワークは,長期の人間とロボットの相互作用と環境を疎結合に生成することで,家庭のデータセットを大規模に生成する。
ヒューマンペルソナは環境生成に影響を及ぼし、環境スキーマとセマンティクスは人間とロボットの相互作用を形成する。
生成された3Dデータには、オブジェクトと環境のセマンティクスのようなリッチな静的コンテキストと、長期にわたって人間とエージェントの振る舞いをキャプチャする時間的コンテキストが含まれる。
我々の柔軟なツールは、自然言語のプロンプトを通じてデータセットの特徴を定義し、自然言語仕様を通じて環境や人間の活動データの設定を可能にする。
このツールは、ユーザ定義構成のバリエーションを生成し、スケーラブルなデータ生成を可能にする。
我々は,コサイン類似性,相互情報獲得,介入分析,反復的改善検証という,マルチモーダル埋め込みと重要な指標を用いた統計的評価を通じて,我々の枠組みを検証する。
統計的比較では、実世界のデータセット(HOMER)とコサイン類似性(0.60)がよく一致し、合成データセット(Wang et al )は適度なアライメント(0.27)を示す。
年齢、組織、睡眠パターンの変化による介入分析では、大きな効果の大きさの統計的に有意な効果(p < 0.001)が示され(コーエンのd = 0.51-1.12)、双方向の結合がペルソナの特徴を測定可能な環境と行動の違いに変換することを確認した。
これらの貢献により、大規模な家庭用スマートデバイスの開発とテストが可能になる。
関連論文リスト
- FLOW: A Feedback-Driven Synthetic Longitudinal Dataset of Work and Wellbeing [0.0]
FLOWは、ワークロードとライフスタイル、幸福感の間の日々のインタラクションをモデル化するために設計された、合成長手データセットである。
FLOWは、毎日の解像度で2年間に1000人の個人をシミュレートし、公開されているリソースとしてリリースされている。
論文 参考訳（メタデータ） (2025-12-28T14:54:04Z) - Learning Human-Object Interaction as Groups [52.28258599873394]
GroupHOIは、幾何学的近接性および意味的類似性の観点から文脈情報を伝播するフレームワークである。
これは、より困難な非言語間相互作用検出タスクにおいて、主要なパフォーマンスを示す。
論文 参考訳（メタデータ） (2025-10-21T07:25:10Z) - InterAct: Advancing Large-Scale Versatile 3D Human-Object Interaction Generation [54.09384502044162]
大規模な3D HOIベンチマークであるInterActを導入する。
まず、さまざまなソースから21.81時間のHOIデータを統合し、標準化し、詳細なテキストアノテーションで強化する。
第2に、アーティファクトの削減と手の動きの修正によりデータ品質を向上させる統一的な最適化フレームワークを提案する。
第3に,6つのベンチマークタスクを定義し,HOI生成モデリングの視点を統一し,最先端性能を実現する。
論文 参考訳（メタデータ） (2025-09-11T15:43:54Z) - A Framework for Realistic Simulation of Daily Human Activity [1.8877825068318652]
本稿では,家庭環境における日々の行動パターンを大規模にシミュレーションするための枠組みを提案する。
本稿では,スケジュールの日々の変動を特定する手法を提案し,テンプレートからスケジュールを生成するための双方向制約伝搬アルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-11-26T19:50:23Z) - Towards a Unified Transformer-based Framework for Scene Graph Generation
and Human-object Interaction Detection [116.21529970404653]
本稿では,Transformerアーキテクチャに基づく一段階統一モデルであるSG2HOI+を紹介する。
本手法では,SGGとHOI検出のタスクをシームレスに統一する2つの対話型階層変換器を用いる。
提案手法は最先端のHOI法と比較して競争性能が向上する。
論文 参考訳（メタデータ） (2023-11-03T07:25:57Z) - Learn to Predict How Humans Manipulate Large-sized Objects from
Interactive Motions [82.90906153293585]
本稿では,動きデータと動的記述子を融合させるグラフニューラルネットワークHO-GCNを提案する。
動的記述子を消費するネットワークは、最先端の予測結果が得られ、未確認オブジェクトへのネットワークの一般化に役立つことを示す。
論文 参考訳（メタデータ） (2022-06-25T09:55:39Z) - Data-driven emotional body language generation for social robotics [58.88028813371423]
社会ロボティクスでは、人間型ロボットに感情の身体的表現を生成する能力を与えることで、人間とロボットの相互作用とコラボレーションを改善することができる。
我々は、手作業で設計されたいくつかの身体表現から学習する深層学習データ駆動フレームワークを実装した。
評価実験の結果, 生成した表現の人間同型とアニマシーは手作りの表現と異なる認識が得られなかった。
論文 参考訳（メタデータ） (2022-05-02T09:21:39Z) - HARPS: An Online POMDP Framework for Human-Assisted Robotic Planning and
Sensing [1.3678064890824186]
HARPS(Human Assisted Robotic Planning and Sensing)フレームワークは、ロボットチームにおけるアクティブなセマンティックセンシングと計画のためのフレームワークである。
このアプローチにより、人間が不規則にモデル構造を強制し、不確実な環境で意味的なソフトデータの範囲を拡張することができる。
大規模部分構造環境におけるUAV対応ターゲット探索アプリケーションのシミュレーションは、時間と信念状態の推定において著しく改善されている。
論文 参考訳（メタデータ） (2021-10-20T00:41:57Z) - Human Trajectory Forecasting in Crowds: A Deep Learning Perspective [89.4600982169]
本稿では,既存の深層学習に基づくソーシャルインタラクションのモデル化手法について詳細に分析する。
本稿では、これらの社会的相互作用を効果的に捉えるための知識に基づく2つのデータ駆動手法を提案する。
我々は,人間の軌道予測分野において,重要かつ欠落したコンポーネントであるTrajNet++を大規模に開発する。
論文 参考訳（メタデータ） (2020-07-07T17:19:56Z) - Jointly Predicting Job Performance, Personality, Cognitive Ability,
Affect, and Well-Being [42.67003631848889]
本研究では,身体的および生理的行動,心理的状態と特徴,職能を統合した個人予測分析のためのベンチマークを作成する。
我々は、データマイニング技術をベンチマークとして設計し、ウェアラブルセンサから得られた真のノイズと不完全なデータを用いて、12の標準化された精確なテストに基づいて19の構造を予測する。
論文 参考訳（メタデータ） (2020-06-10T14:30:29Z)
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。