論文の概要: "Meet My Sidekick!": Effects of Separate Identities and Control of a Single Robot in HRI
- arxiv url: http://arxiv.org/abs/2602.07598v1
- Date: Sat, 07 Feb 2026 15:51:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 08:17:41.255136
- Title: "Meet My Sidekick!": Effects of Separate Identities and Control of a Single Robot in HRI
- Title（参考訳）: 『Meet My Sidekick!
- Authors: Drake Moore, Arushi Aggarwal, Emily Taylor, Sarah Zhang, Taskin Padir, Xiang Zhi Tan,
- Abstract要約: ロボットの能力とアイデンティティの提示は、ロボットに対する人間の協調者の認識と暗黙の信頼に直接影響を及ぼす。
人間とは異なり、物理的なロボットは異なるアイデンティティを同時に提示し、ロボットの異なる部分に居住させ制御させる。
- 参考スコア（独自算出の注目度）: 2.9526116668007063
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The presentation of a robot's capability and identity directly influences a human collaborator's perception and implicit trust in the robot. Unlike humans, a physical robot can simultaneously present different identities and have them reside and control different parts of the robot. This paper presents a novel study that investigates how users perceive a robot where different robot control domains (head and gripper) are presented as independent robots. We conducted a mixed design study where participants experienced one of three presentations: a single robot, two agents with shared full control (co-embodiment), or two agents with split control across robot control domains (split-embodiment). Participants underwent three distinct tasks -- a mundane data entry task where the robot provides motivational support, an individual sorting task with isolated robot failures, and a collaborative arrangement task where the robot causes a failure that directly affects the human participant. Participants perceived the robot as residing in the different control domains and were able to associate robot failure with different identities. This work signals how future robots can leverage different embodiment configurations to obtain the benefit of multiple robots within a single body.
- Abstract（参考訳）: ロボットの能力とアイデンティティの提示は、ロボットに対する人間の協調者の認識と暗黙の信頼に直接影響を及ぼす。
人間とは異なり、物理的なロボットは異なるアイデンティティを同時に提示し、ロボットの異なる部分に居住させ制御させる。
本稿では,異なるロボット制御領域(頭とグリップ)を独立ロボットとして提示するロボットについて,ユーザがどのように認識するかを考察する。
1つのロボットと2つのエージェントが共有されたフルコントロール(コ・エボディメント)、または2つのエージェントがロボット制御ドメイン(スプリット・エボディメント)にまたがる分割コントロール(スプリット・エボディメント)を行った。
参加者は3つの異なるタスク – ロボットがモチベーションを提供する通常のデータ入力タスク,独立したロボット障害を個別にソートするタスク,そしてロボットが直接人間の参加者に影響を与える障害を引き起こすような協調的なアレンジメントタスク – を実行した。
参加者は、ロボットが異なる制御領域に居住していると認識し、ロボットの失敗と異なるアイデンティティを関連付けることができた。
この研究は、将来のロボットが1つの体内で複数のロボットの利益を得るために、異なる実施形態を活用できることを示す。
関連論文リスト
- RobotSeg: A Model and Dataset for Segmenting Robots in Image and Video [56.9581053843815]
画像とビデオにおけるロボットセグメンテーションの基礎モデルであるRobotSegを紹介する。
ロボットへの適応の欠如、手動のプロンプトへの依存、フレーム単位のトレーニングマスクアノテーションの必要性に対処する。
それは、画像とビデオの両方で最先端のパフォーマンスを達成する。
論文 参考訳（メタデータ） (2025-11-28T07:51:02Z) - 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) - Controlling diverse robots by inferring Jacobian fields with deep networks [48.279199537720714]
自然生物の複雑な構造と多様な機能を反映することは、ロボット工学における長年の課題である。
本稿では,深層ニューラルネットワークを用いてロボットの映像ストリームをバイスモータヤコビアン場にマッピングする手法を提案する。
提案手法は,正確なクローズドループ制御を実現し,各ロボットの因果動的構造を復元する。
論文 参考訳（メタデータ） (2024-07-11T17:55:49Z) - Correspondence learning between morphologically different robots via
task demonstrations [2.1374208474242815]
形態の異なる2つ以上のロボットの対応関係を学習する手法を提案する。
本提案手法では,関節制御付き固定ベースマニピュレータロボットと差動駆動移動ロボットとが対応可能である。
本研究では,実際のマニピュレータロボットとシミュレートされた移動ロボットとの対応学習の概念実証を行う。
論文 参考訳（メタデータ） (2023-10-20T12:42:06Z) - Robots with Different Embodiments Can Express and Influence Carefulness
in Object Manipulation [104.5440430194206]
本研究では,2つのロボットによるコミュニケーション意図による物体操作の知覚について検討する。
ロボットの動きを設計し,物体の搬送時に注意を喚起するか否かを判断した。
論文 参考訳（メタデータ） (2022-08-03T13:26:52Z) - Show Me What You Can Do: Capability Calibration on Reachable Workspace
for Human-Robot Collaboration [83.4081612443128]
本稿では,REMPを用いた短時間キャリブレーションにより,ロボットが到達できると考える非専門家と地道とのギャップを効果的に埋めることができることを示す。
この校正手順は,ユーザ認識の向上だけでなく,人間とロボットのコラボレーションの効率化にも寄与することを示す。
論文 参考訳（メタデータ） (2021-03-06T09:14:30Z) - Supportive Actions for Manipulation in Human-Robot Coworker Teams [15.978389978586414]
我々は、将来の干渉を減らすことで相互作用を支援する行動を、支援ロボット行動と表現する。
1)タスク指向: ロボットは自身のタスク目標をさらに進めるためにのみ行動を取るし、(2)支援的: ロボットはタスク指向のタスクよりも支援的行動を好む。
シミュレーション実験では, 人体モデルを用いて, エージェント間の干渉を軽減し, 作業の完了に要する時間が長いことを明らかにした。
論文 参考訳（メタデータ） (2020-05-02T09:37:10Z)
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。