論文の概要: Distributed Virtual Model Control for Scalable Human-Robot Collaboration in Shared Workspace

• arxiv url: http://arxiv.org/abs/2602.17415v1
• Date: Thu, 19 Feb 2026 14:45:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.572613
• Title: Distributed Virtual Model Control for Scalable Human-Robot Collaboration in Shared Workspace
• Title（参考訳）: 共有作業空間におけるスケーラブルなロボット協調のための分散仮想モデル制御
• Authors: Yi Zhang, Omar Faris, Chapa Sirithunge, Kai-Fung Chu, Fumiya Iida, Fulvio Forni,
• Abstract要約: 仮想モデル制御(VMC)に基づく人ロボット協調のための分散型エージェント非依存・安全対応制御フレームワークを提案する。 最大2つのロボットと2つの人間との安全なコラボレーションを実証し、シミュレーションでは最大4つのロボットをシミュレーションし、エージェント間の分離を約20cmに維持する。 その結果, ロボットの動作を直感的に制御パラメータを調整し, 全てのテストシナリオにおいて, チームサイズ全体にわたるデッドロックフリー動作を実現することができた。
• 参考スコア（独自算出の注目度）: 7.44764987825646
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present a decentralized, agent agnostic, and safety-aware control framework for human-robot collaboration based on Virtual Model Control (VMC). In our approach, both humans and robots are embedded in the same virtual-component-shaped workspace, where motion is the result of the interaction with virtual springs and dampers rather than explicit trajectory planning. A decentralized, force-based stall detector identifies deadlocks, which are resolved through negotiation. This reduces the probability of robots getting stuck in the block placement task from up to 61.2% to zero in our experiments. The framework scales without structural changes thanks to the distributed implementation: in experiments we demonstrate safe collaboration with up to two robots and two humans, and in simulation up to four robots, maintaining inter-agent separation at around 20 cm. Results show that the method shapes robot behavior intuitively by adjusting control parameters and achieves deadlock-free operation across team sizes in all tested scenarios.
• Abstract（参考訳）: 仮想モデル制御(VMC)に基づく人間ロボット協調のための分散型エージェント非依存・安全対応制御フレームワークを提案する。 提案手法では,人間とロボットは同一の仮想部品形状の作業空間に埋め込まれており,動きは明示的な軌道計画ではなく,仮想バネやダンパーとの相互作用の結果である。 分散化された力に基づくストール検出器は、交渉によって解決されるデッドロックを検知する。 これにより、ロボットがブロック配置タスクで立ち往生する確率を61.2%から0に削減できる。 実験では、最大2つのロボットと2人の人間との安全なコラボレーションを実証し、シミュレーションでは最大4つのロボットでエージェント間の分離を約20cmで維持する。 その結果, ロボットの動作を直感的に制御パラメータを調整し, 全てのテストシナリオにおいて, チームサイズ全体にわたるデッドロックフリー動作を実現することができた。

関連論文リスト

• Adaptive Vision-Based Control of Redundant Robots with Null-Space Interaction for Human-Robot Collaboration [7.779638839381672]
  人間とロボットのコラボレーションは、ロボットとの協力を通じて人間の能力を拡張することを目的としている。 人間とロボットのコラボレーションが1つのロボット/人間より優れているように、双方のパフォーマンスを向上させることは、未解決の問題である。 タスク空間における適応的視覚に基づく制御項と、ヌル空間における対話的制御項からなる冗長ロボットの新しい制御方式が提案されている。
  論文  参考訳（メタデータ） (2026-03-09T08:30:14Z)
• Robotic Grasping and Placement Controlled by EEG-Based Hybrid Visual and Motor Imagery [64.82869118243723]
  本稿では,脳波に基づく視覚・運動画像(VI/MI)とロボット制御を統合し,リアルタイム・意図駆動型把握・配置を実現するフレームワークを提案する。 このシステムは、BCI駆動のロボット工学の約束に感銘を受けて、オフラインで事前訓練されたデコーダをゼロショットで展開することによって、ニューラルネットワークを物理的制御でブリッジする。
  論文  参考訳（メタデータ） (2026-03-03T17:41:42Z)
• MiVLA: Towards Generalizable Vision-Language-Action Model with Human-Robot Mutual Imitation Pre-training [102.850162490626]
  人間のロボットによる相互模倣事前学習による視覚-言語-行動モデルであるMiVLAを提案する。 MiVLAは、最先端のVLAよりも優れた、強力な改良された一般化能力を実現する。
  論文  参考訳（メタデータ） (2025-12-17T12:59:41Z)
• Autonomous Human-Robot Interaction via Operator Imitation [3.650193138379926]
  我々は、オペレーターデータを模倣するモデルを訓練することで、自律的な対話型ロボットを作成することを提案する。 我々のモデルは人間とロボットの相互作用のデータセットに基づいて訓練されている。 提案手法は,専門家-オペレーターのベースラインに匹敵する,単純で自律的な人間-ロボットの相互作用を可能にする。
  論文  参考訳（メタデータ） (2025-04-03T16:06:44Z)
• Rethinking Bimanual Robotic Manipulation: Learning with Decoupled Interaction Framework [51.39847596489193]
  バイオマチックなロボット操作は、ロボティクスコミュニティにおいて、新しくて重要なトピックである。 本稿では,バイマニュアル操作における異なるタスクの特徴を考察した,疎結合なインタラクションフレームワークを提案する。 我々のフレームワークは,SOTA法よりも23.5%向上し,優れた性能を実現している。
  論文  参考訳（メタデータ） (2025-03-12T09:28:41Z)
• ImitationNet: Unsupervised Human-to-Robot Motion Retargeting via Shared Latent Space [9.806227900768926]
  本稿では,ロボットの動きに対する新しいディープラーニング手法を提案する。 本手法では,新しいロボットへの翻訳を容易にする,人間とロボットのペアデータを必要としない。 我々のモデルは、効率と精度の観点から、人間とロボットの類似性に関する既存の研究よりも優れています。
  論文  参考訳（メタデータ） (2023-09-11T08:55:04Z)
• Generalizable Human-Robot Collaborative Assembly Using Imitation Learning and Force Control [17.270360447188196]
  本稿では,実演から学び,ポーズ推定を用いたロボット協調組立システムを提案する。 提案システムでは, ロボット組立シナリオにおいて, 物理的6DoFマニピュレータを用いて実験を行った。
  論文  参考訳（メタデータ） (2022-12-02T20:35:55Z)
• Model Predictive Control for Fluid Human-to-Robot Handovers [50.72520769938633]
  人間の快適さを考慮に入れた計画運動は、人間ロボットのハンドオーバプロセスの一部ではない。 本稿では,効率的なモデル予測制御フレームワークを用いてスムーズな動きを生成することを提案する。 ユーザ数名の多様なオブジェクトに対して,人間とロボットのハンドオーバ実験を行う。
  論文  参考訳（メタデータ） (2022-03-31T23:08:20Z)
• 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)

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。