論文の概要: Design and Evaluation of an Assisted Programming Interface for Behavior Trees in Robotics

• arxiv url: http://arxiv.org/abs/2602.09772v1
• Date: Tue, 10 Feb 2026 13:34:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.327044
• Title: Design and Evaluation of an Assisted Programming Interface for Behavior Trees in Robotics
• Title（参考訳）: ロボットにおける行動木支援プログラミングインタフェースの設計と評価
• Authors: Jonathan Styrud, Matteo Iovino, Rebecca Stower, Mart Kartašev, Mikael Norrlöf, Mårten Björkman, Christian Smith,
• Abstract要約: 本稿では,Behavior TRee GUI (BETR-GUI) を導入し,動作木 (BT) プログラム表現を作成する。 60人の参加者によるユーザスタディによると、BETR-GUIは、異なる支援方法を組み合わせることで、ロボットプログラミングタスクの解法をより良く行うことができる。 また、BETR-GUIの完全な派生版を使用している人間は、AIアシスタントが単独で実行しているものよりもパフォーマンスが良いことも示している。
• 参考スコア（独自算出の注目度）: 8.781499012260438
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The possibility to create reactive robot programs faster without the need for extensively trained programmers is becoming increasingly important. So far, it has not been explored how various techniques for creating Behavior Tree (BT) program representations could be combined with complete graphical user interfaces (GUIs) to allow a human user to validate and edit trees suggested by automated methods. In this paper, we introduce BEhavior TRee GUI (BETR-GUI) for creating BTs with the help of an AI assistant that combines methods using large language models, planning, genetic programming, and Bayesian optimization with a drag-and-drop editor. A user study with 60 participants shows that by combining different assistive methods, BETR-GUI enables users to perform better at solving the robot programming tasks. The results also show that humans using the full variant of BETR-GUI perform better than the AI assistant running on its own.
• Abstract（参考訳）: 広範囲に訓練されたプログラマを必要とせずに、リアクティブなロボットプログラムを迅速に作成できる可能性はますます重要になっている。 動作木 (BT) プログラム表現の様々な手法とGUIを組み合わせて, 自動手法で提案した木を人体で検証し, 編集する方法については, これまで検討されていない。 本稿では,大規模な言語モデル,計画,遺伝的プログラミング,ベイズ最適化をドラッグアンドドロップエディタと組み合わせたAIアシスタントを用いて,BTを作成するためのBETR-GUIを紹介する。 60人の参加者によるユーザスタディによると、BETR-GUIは、異なる支援方法を組み合わせることで、ロボットプログラミングタスクの解法をより良く行うことができる。 また、BETR-GUIの完全な派生版を使用している人間は、AIアシスタントが単独で実行しているものよりもパフォーマンスが良いことも示している。

関連論文リスト

• Computer-Use Agents as Judges for Generative User Interface [142.75272102498806]
  ComputerUse Agents (CUA) は、グラフィカルユーザインタフェース (GUI) を通じてデジタル環境を自律的に操作する能力が高まっている。 ほとんどのGUIは、人間が効率的にタスクを実行するのに不要な人間指向の動作を採用するために設計されている。 CUA は Coder でGUI の自動設計を支援することができるだろうか?
  論文  参考訳（メタデータ） (2025-11-19T16:00:02Z)
• UIPro: Unleashing Superior Interaction Capability For GUI Agents [33.77980648230746]
  人間のようなグラフィカルユーザインタフェース(GUI)を知覚し、操作する自律エージェントの構築は、人工知能の分野における長年のビジョンである。 視覚言語モデル(VLM)のマルチモーダル理解能力に基づくGUIエージェントの開発が試みられている。 本稿では,多プラットフォーム・マルチタスクGUIインタラクションデータを用いた新しい汎用GUIエージェントであるtextUIProを提案する。
  論文  参考訳（メタデータ） (2025-09-22T03:04:53Z)
• Interpretable Robot Control via Structured Behavior Trees and Large Language Models [0.14990005092937678]
  本稿では,自然言語理解とロボット実行を橋渡しする新しい枠組みを提案する。 提案手法は実世界のシナリオでは実用的であり、平均的な認識と実行の精度は約94%である。
  論文  参考訳（メタデータ） (2025-08-13T08:53:13Z)
• MobileGUI-RL: Advancing Mobile GUI Agent through Reinforcement Learning in Online Environment [63.62778707277929]
  MobileGUI-RLは、オンライン環境でGUIエージェントをトレーニングするスケーラブルなフレームワークである。 自己探索とフィルタリングを通じて学習可能なタスクのカリキュラムを合成する。 GRPOをGUIナビゲーションに適応させ、軌道認識の利点と複合報酬を付与する。
  論文  参考訳（メタデータ） (2025-07-08T07:07:53Z)
• ZeroGUI: Automating Online GUI Learning at Zero Human Cost [75.21128388931945]
  我々は、ZeroGUIを提案する。ZeroGUIは、Zeroの人的コストでGUIエージェントのトレーニングを自動化する、スケーラブルでオンライン学習フレームワークである。 具体的には、(i)VLMベースの自動タスク生成を統合して、現在の環境状態から多様なトレーニング目標を生成するとともに、(ii)手作り評価機能なしでタスク成功を評価するためのVLMベースの自動報酬推定と、(iii)GUI環境と継続的に対話し学習するための2段階オンライン強化学習を統合する。
  論文  参考訳（メタデータ） (2025-05-29T17:59:51Z)
• Aguvis: Unified Pure Vision Agents for Autonomous GUI Interaction [69.57190742976091]
  Aguvisは、自律的なGUIエージェントのためのビジョンベースのフレームワークである。 クロスプラットフォームのインタラクションを標準化し、内部モノローグによる構造化推論を取り入れている。 オフラインおよび実世界のオンラインベンチマーク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） (2024-12-05T18:58:26Z)
• GUICourse: From General Vision Language Models to Versatile GUI Agents [75.5150601913659]
  GUICourseは、ビジュアルベースのGUIエージェントをトレーニングするためのデータセットスイートです。 まず、OCRとVLMのグラウンド機能を強化するためにGUIEnvデータセットを導入する。 次にGUIActとGUIChatデータセットを導入し、GUIコンポーネントやインタラクションに関する知識を充実させます。
  論文  参考訳（メタデータ） (2024-06-17T08:30:55Z)
• Self-Improving Robots: End-to-End Autonomous Visuomotor Reinforcement Learning [54.636562516974884]
  模倣と強化学習において、人間の監督コストは、ロボットが訓練できるデータの量を制限する。 本研究では,自己改善型ロボットシステムのための新しい設計手法であるMEDAL++を提案する。 ロボットは、タスクの実施と解除の両方を学ぶことで、自律的にタスクを練習し、同時にデモンストレーションから報酬関数を推論する。
  論文  参考訳（メタデータ） (2023-03-02T18:51:38Z)
• iRoPro: An interactive Robot Programming Framework [2.7651063843287718]
  iRoProを使うと、技術的背景がほとんど、あるいは全くないユーザーが、ロボットに新しい再利用可能なアクションを教えることができる。 バクスター研究ロボット上で,iRoProをエンドツーエンドシステムとして実装する。
  論文  参考訳（メタデータ） (2021-12-08T13:53:43Z)

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。