論文の概要: When the Inference Meets the Explicitness or Why Multimodality Can Make Us Forget About the Perfect Predictor
- arxiv url: http://arxiv.org/abs/2602.18850v1
- Date: Sat, 21 Feb 2026 14:27:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-24 17:42:02.353994
- Title: When the Inference Meets the Explicitness or Why Multimodality Can Make Us Forget About the Perfect Predictor
- Title（参考訳）: 推論が説明力と出会うとき、そしてなぜマルチモーダリティが完璧な予測を忘れてしまうのか
- Authors: J. E. Domínguez-Vidal, Alberto Sanfeliu,
- Abstract要約: 本研究は,人間とロボットの協調的な物体輸送タスクを実験ベッドとして用いる4つの異なる通信システムについて分析した。
システムは、エージェントとLiDARの間の力交換を検出し、環境を検出するための、フォースセンサーを備えたカスタムモバイルソーシャルロボットであるIVOに統合された。
75人のボランティアが合計255回の実行を3つのグループに分け、第1ラウンドで推論システムをテストし、第2ラウンドで通信システムを、第3ラウンドで統合戦略をテストした。
- 参考スコア（独自算出の注目度）: 2.6212127510234797
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Although in the literature it is common to find predictors and inference systems that try to predict human intentions, the uncertainty of these models due to the randomness of human behavior has led some authors to start advocating the use of communication systems that explicitly elicit human intention. In this work, it is analyzed the use of four different communication systems with a human-robot collaborative object transportation task as experimental testbed: two intention predictors (one based on force prediction and another with an enhanced velocity prediction algorithm) and two explicit communication methods (a button interface and a voice-command recognition system). These systems were integrated into IVO, a custom mobile social robot equipped with force sensor to detect the force exchange between both agents and LiDAR to detect the environment. The collaborative task required transporting an object over a 5-7 meter distance with obstacles in the middle, demanding rapid decisions and precise physical coordination. 75 volunteers perform a total of 255 executions divided into three groups, testing inference systems in the first round, communication systems in the second, and the combined strategies in the third. The results show that, 1) once sufficient performance is achieved, the human no longer notices and positively assesses technical improvements; 2) the human prefers systems that are more natural to them even though they have higher failure rates; and 3) the preferred option is the right combination of both systems.
- Abstract（参考訳）: 文献では、人間の意図を予測しようとする予測システムや推論システムを見つけることは一般的であるが、人間の行動のランダム性に起因するこれらのモデルの不確実性により、一部の著者は、人間の意図を明示的に引き起こすコミュニケーションシステムの使用を提唱し始めた。
本研究では,人間のロボットによる協調物体輸送タスクを用いた4つのコミュニケーションシステムについて,2つの意図予測器(力予測と拡張速度予測アルゴリズムに基づくもの)と2つの明示的通信方法(ボタンインタフェースと音声コマンド認識システム)を用いて検討した。
これらのシステムは、両方のエージェントとLiDAR間の力交換を検出し、環境を検出するための、力センサを備えたカスタムモバイルソーシャルロボットであるIVOに統合された。
この共同作業では、物体を5～7メートルの距離まで移動させ、中間に障害物を発生させ、迅速な決定と正確な物理的調整を必要とした。
75人のボランティアが合計255回の実行を3つのグループに分け、第1ラウンドで推論システムをテストし、第2ラウンドで通信システムを、第3ラウンドで統合戦略をテストした。
その結果は、
1) 十分な性能が達成すれば,人間はもはや気付かず,技術的改善を肯定的に評価する。
2 人間は、失敗率が高いにもかかわらず、より自然であるシステムを好む。
3) どちらのシステムも正しい組み合わせが望ましい。
関連論文リスト
- Social-Transmotion: Promptable Human Trajectory Prediction [65.80068316170613]
Social-Transmotionは、多種多様な視覚的手がかりを利用して人間の行動を予測する、汎用トランスフォーマーベースのモデルである。
提案手法は,JTA,JRDB,歩行者,道路交通のサイクリスト,ETH-UCYなど,複数のデータセットで検証されている。
論文 参考訳（メタデータ） (2023-12-26T18:56:49Z) - Real-time Addressee Estimation: Deployment of a Deep-Learning Model on
the iCub Robot [52.277579221741746]
住所推定は、社会ロボットが人間とスムーズに対話するために必要なスキルである。
人間の知覚スキルにインスパイアされたディープラーニングモデルは、iCubロボットに設計、訓練、デプロイされる。
本研究では,人間-ロボットのリアルタイムインタラクションにおいて,そのような実装の手順とモデルの性能について述べる。
論文 参考訳（メタデータ） (2023-11-09T13:01:21Z) - HODN: Disentangling Human-Object Feature for HOI Detection [51.48164941412871]
本稿では,Human and Object Disentangling Network (HODN) を提案し,Human-Object Interaction (HOI) の関係を明示的にモデル化する。
インタラクションに人間的特徴がより寄与していることを考慮し,インタラクションデコーダが人間中心の領域に焦点を当てていることを確認するためのヒューマンガイドリンク手法を提案する。
提案手法は,V-COCOとHICO-Det Linkingデータセットの競合性能を実現する。
論文 参考訳（メタデータ） (2023-08-20T04:12:50Z) - Qualitative Prediction of Multi-Agent Spatial Interactions [5.742409080817885]
我々は,密集シーンにおけるマルチエージェントインタラクションをモデル化し,予測するための3つの新しいアプローチを提示し,ベンチマークする。
提案手法は、個々の相互作用を予測する静的および動的コンテキストを考慮したものである。
彼らはインプット・アンド・タイムアテンション・メカニズムを利用し、中・長期の地平線でテストされる。
論文 参考訳（メタデータ） (2023-06-30T18:08:25Z) - Simulation of robot swarms for learning communication-aware coordination [0.0]
我々は、全能集中型コントローラから得られる局所的な観測を入力として、エンドツーエンドのニューラルネットワークを訓練する。
実験は、平面ロボットの高性能オープンソースシミュレータであるEnkiで実施されている。
論文 参考訳（メタデータ） (2023-02-25T17:17:40Z) - Role of Human-AI Interaction in Selective Prediction [20.11364033416315]
我々は、AIシステムの遅延決定について、異なる種類の情報を人間に伝達する影響について研究する。
我々は,AIの予測は明らかにせず,遅延する決定を人間に伝えることで,人間のパフォーマンスを大幅に向上させることが可能であることを示す。
論文 参考訳（メタデータ） (2021-12-13T16:03:13Z) - Drivers' Manoeuvre Modelling and Prediction for Safe HRI [0.0]
心の理論は、ロボット工学や、最近は自律車や半自律車のために広く研究されている。
本研究では、人間の動き、車の状態、人間の入力からのデータを組み合わせることで、行動の前に人間の意図を予測する方法について検討した。
論文 参考訳（メタデータ） (2021-06-03T10:07:55Z) - TRiPOD: Human Trajectory and Pose Dynamics Forecasting in the Wild [77.59069361196404]
TRiPODは、グラフの注目ネットワークに基づいて身体のダイナミクスを予測する新しい方法です。
実世界の課題を取り入れるために,各フレームで推定された身体関節が可視・視認可能かどうかを示す指標を学習する。
評価の結果,TRiPODは,各軌道に特化して設計され,予測タスクに特化している。
論文 参考訳（メタデータ） (2021-04-08T20:01:00Z) - Human Haptic Gesture Interpretation for Robotic Systems [3.888848425698769]
物理的人間とロボットの相互作用(pHRI)は、人間と人間の相互作用よりも効率的でコミュニケーションが難しい。
主な理由は、ロボットシステムにおける情報的な触覚の欠如である。
本研究は,文献で特定されるジェスチャーの特徴の大部分をカバーする4つのタッチジェスチャークラスを提案する。
論文 参考訳（メタデータ） (2020-12-03T14:33:57Z) - Learning to Communicate and Correct Pose Errors [75.03747122616605]
本稿では、V2VNetで提案された設定について検討し、近くにある自動運転車が共同で物体検出と動き予測を協調的に行う方法を提案する。
本稿では,コミュニケーションを学習し,潜在的な誤りを推定し,それらの誤りについてコンセンサスを得るための新しいニューラルネットワーク推論フレームワークを提案する。
論文 参考訳（メタデータ） (2020-11-10T18:19:40Z)
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。