論文の概要: Influence of Gripper Design on Human Demonstration Quality for Robot Learning
- arxiv url: http://arxiv.org/abs/2603.17189v1
- Date: Tue, 17 Mar 2026 22:36:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-21 18:33:56.93274
- Title: Influence of Gripper Design on Human Demonstration Quality for Robot Learning
- Title（参考訳）: ロボット学習におけるグリッパー設計が人間の実証品質に及ぼす影響
- Authors: Gina L. Georgadarellis, Natalija Beslic, Seonhun Lee, Frank C. Sup, Meghan E. Huber,
- Abstract要約: 包帯開放作業におけるユニバーサルマニピュレーションインタフェース(UMI)の有効性を評価する。
集中荷重グリップは、分散荷重グリップと比較して性能が向上したが、手よりもかなり遅く、効果が低かった。
これらの結果から,ハンドヘルドグリップにおける人間工学的・機械的改良の重要性が強調され,ユーザ負担の軽減と実演品質の向上が図られた。
- 参考スコア（独自算出の注目度）: 0.5872014229110214
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Opening sterile medical packaging is routine for healthcare workers but remains challenging for robots. Learning from demonstration enables robots to acquire manipulation skills directly from humans, and handheld gripper tools such as the Universal Manipulation Interface (UMI) offer a pathway for efficient data collection. However, the effectiveness of these tools depends heavily on their usability. We evaluated UMI in demonstrating a bandage opening task, a common manipulation task in hospital settings, by testing three conditions: distributed load grippers, concentrated load grippers, and bare hands. Eight participants performed timed trials, with task performance assessed by success rate, completion time, and damage, alongside perceived workload using the NASA-TLX questionnaire. Concentrated load grippers improved performance relative to distributed load grippers but remained substantially slower and less effective than hands. These results underscore the importance of ergonomic and mechanical refinements in handheld grippers to reduce user burden and improve demonstration quality, especially for applications in healthcare robotics.
- Abstract（参考訳）: 医療従事者にとって不妊薬の包装は日常的であるが、ロボットにとっては依然として困難である。
デモから学ぶことでロボットは人間から直接操作スキルを得ることができ、Universal Manipulation Interface (UMI)のようなハンドヘルドグリップツールが効率的なデータ収集の経路を提供する。
しかし、これらのツールの有効性はユーザビリティに大きく依存している。
病院における包帯開放作業, 共通操作作業, 分散荷重グリップ, 集中荷重グリップ, 素手3つの条件を検証し, UMIの評価を行った。
8名の被験者が,NASA-TLXアンケートによる作業負荷の認識とともに,成功率,完了時間,損傷によって評価されたタスクパフォーマンスを用いてタイムドトライアルを行った。
集中荷重グリップは、分散荷重グリップと比較して性能が向上したが、手よりもかなり遅く、効果が低かった。
これらの結果は、特に医療ロボティクスへの応用において、ユーザの負担を軽減し、実演品質を向上させるため、ハンドヘルドグリップにおける人間工学的および機械的改善の重要性を浮き彫りにした。
関連論文リスト
- Give me scissors: Collision-Free Dual-Arm Surgical Assistive Robot for Instrument Delivery [4.187693745535412]
手術中、スクラブ看護師は頻繁に手術器具を外科医に届ける必要がある。
既存のロボットスクラブ看護師の研究は、計器配達のための事前に定義された経路に依存している。
本稿では,機器の配送を行うことのできる,衝突のないデュアルアーム手術支援ロボットについて述べる。
論文 参考訳（メタデータ） (2026-03-03T03:14:59Z) - Towards Autonomous Instrument Tray Assembly for Sterile Processing Applications [2.5401898591113814]
手術器具を滅菌トレイに分類し,構造的にパックする,完全自動化されたロボットシステムを提案する。
このシステムはビジョンモジュールと6-DOFのStaubli TX2-60Lロボットアームとカスタムのデュアル電磁グリップ、そして輸送中の機器の衝突を減らすルールベースのパッキングアルゴリズムを統合している。
実験により, ツール・ツー・ツール衝突の認識精度が高く, 統計的に有意な減少が認められた。
論文 参考訳（メタデータ） (2026-02-02T05:46:31Z) - Setup-Invariant Augmented Reality for Teaching by Demonstration with Surgical Robots [49.26692555627371]
本稿では,dV-STEARというオープンソースのシステムについて紹介する。
dV-STEARは腹腔鏡下手術の基本課題の初級成績を有意に改善した。
両課題とも,dV-STEARを用いた被験者では,手指使用のバランスが有意に改善し,フラストレーションの低下が報告された。
論文 参考訳（メタデータ） (2025-04-09T08:34:25Z) - Human-Agent Joint Learning for Efficient Robot Manipulation Skill Acquisition [48.65867987106428]
本稿では,人間とロボットの協調学習システムについて紹介する。
これにより、ロボットエンドエフェクターの制御を学習支援エージェントと共有することができる。
これにより、ダウンストリームタスクにおいて、収集されたデータが十分な品質であることを保証しながら、人間の適応の必要性を減らすことができる。
論文 参考訳（メタデータ） (2024-06-29T03:37:29Z) - EfficientPPS: Part-aware Panoptic Segmentation of Transparent Objects
for Robotic Manipulation [1.0819401241801996]
本稿では,部分認識型パノプティックセグメンテーションのためのニューラルネットワークであるEfficientPPSを提案する。
ロボットに、セマンティックにリッチな視覚情報を提供して、グリーピングとma-nipulationタスクに役立てる。
また、人間の関与を減らすために、教師なしのデータ収集とラベル付け手法を提案する。
論文 参考訳（メタデータ） (2023-12-21T14:51:23Z) - Intuitive Surgical SurgToolLoc Challenge Results: 2022-2023 [55.40111320730479]
我々は、先進的なRA応用の文脈において、難しい機械学習問題を解決するために、外科データ科学のコミュニティに挑戦してきた。
ここでは,手術ツールの局所化(SurgToolLoc)を中心に,これらの課題の成果を報告する。
これらの課題に対応する公開データセットは、別の論文arXiv:2501.09209で詳述されている。
論文 参考訳（メタデータ） (2023-05-11T21:44:39Z) - Spatiotemporal modeling of grip forces captures proficiency in manual
robot control [5.504040521972806]
本稿では,ロボットの手動制御における個々のグリップ力の変動を予測するために,人工知能を利用したこれまでの研究に基づいて構築した。
統計的分析は、初心者と熟練した専門家の数千のグリップフォースにおいて、フォアスキルの時間的変動をもたらす。
論文 参考訳（メタデータ） (2023-03-03T15:08:00Z) - Demonstration-Guided Reinforcement Learning with Efficient Exploration
for Task Automation of Surgical Robot [54.80144694888735]
効率的な強化学習アルゴリズムであるDEX(Demonstration-Guided Exploration)を導入する。
本手法は,生産的相互作用を促進するために,高い値で専門家のような行動を推定する。
総合的な手術シミュレーションプラットフォームであるSurRoLによる10ドルの手術操作に関する実験では、大幅な改善が示されている。
論文 参考訳（メタデータ） (2023-02-20T05:38:54Z)
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。