論文の概要: Joint Prediction of Human Motions and Actions in Human-Robot Collaboration

• arxiv url: http://arxiv.org/abs/2604.03065v1
• Date: Fri, 03 Apr 2026 14:40:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-06 17:20:24.495632
• Title: Joint Prediction of Human Motions and Actions in Human-Robot Collaboration
• Title（参考訳）: 人間-ロボット共同作業における人間の動作と行動の同時予測
• Authors: Alessandra Bulanti, Alessandro Carfì, Fulvio Mastrogiovanni,
• Abstract要約: 我々は,人間の行動と行動の共役推定と予測のための階層的枠組みであるtextsfMA-HERPを紹介した。 本研究では, 筋骨格シミュレーションを用いて, 騒音下での正確な動き予測と頑健な動作推定を示す予備的な実験評価を行った。
• 参考スコア（独自算出の注目度）: 81.20389836121502
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Fluent human--robot collaboration requires robots to continuously estimate human behaviour and anticipate future intentions. This entails reasoning jointly about \emph{continuous movements} and \emph{discrete actions}, which are still largely modelled in isolation. In this paper, we introduce \textsf{MA-HERP}, a hierarchical and recursive probabilistic framework for the \emph{joint estimation and prediction} of human movements and actions. The model combines: (i) a hierarchical representation in which movements compose into actions through admissible Allen interval relations, (ii) a unified probabilistic factorisation coupling continuous dynamics, discrete labels, and durations, and (iii) a recursive inference scheme inspired by Bayesian filtering, alternating top-down action prediction with bottom-up sensory evidence. We present a preliminary experimental evaluation based on neural models trained on musculoskeletal simulations of reaching movements, showing accurate motion prediction, robust action inference under noise, and computational performance compatible with on-line human--robot collaboration.
• Abstract（参考訳）: ロボットは人間の行動を継続的に推定し、将来の意図を予測しなければならない。 これは、独立にモデル化されている 'emph{continuous Movement} と \emph{discrete action} を共同で推論する。 本稿では,人間の行動と行動を推定・予測するための階層的・再帰的確率的枠組みである「textsf{MA-HERP}」を紹介する。 モデルが組み合わさる。 一 動作が許容可能なアレン区間関係を通じて行動を構成する階層的表現 二 連続力学、離散ラベル及び期間を結合した統一確率的分解 三 ベイズフィルタにインスパイアされた再帰的推論スキームで、トップダウン動作予測とボトムアップ感覚証拠を交互に交互に行う。 本研究では,筋骨格モデルを用いて筋骨格運動シミュレーションを訓練し,正確な動き予測,雑音下での頑健な動作推定,オンラインの人間-ロボット協調に適合する計算性能を示す予備実験を行った。

関連論文リスト

• HUMOF: Human Motion Forecasting in Interactive Social Scenes [29.621970821619424]
  複雑なシーンは、対話情報の豊富さによる人間の行動予測に重要な課題を示す。 対話型シーンにおける人間の動き予測に有効な手法を提案する。 提案手法は,4つの公開データセットにまたがる最先端性能を実現する。
  論文  参考訳（メタデータ） (2025-06-04T09:21:54Z)
• Continual Learning from Simulated Interactions via Multitask Prospective Rehearsal for Bionic Limb Behavior Modeling [0.7922558880545526]
  生体補綴制御の文脈における人間の行動モデルを提案する。 本稿では、時間とともに動きを予測・洗練するマルチタスク・継続的適応モデルを提案する。 我々は,トランスティバイアル・アンプを含む実世界の人間の歩行データセットの実験を通じて,我々のモデルを検証した。
  論文  参考訳（メタデータ） (2024-05-02T09:22:54Z)
• Multi-Agent Dynamic Relational Reasoning for Social Robot Navigation [50.01551945190676]
  社会ロボットナビゲーションは、日常生活の様々な状況において有用であるが、安全な人間とロボットの相互作用と効率的な軌道計画が必要である。 本稿では, 動的に進化する関係構造を明示的に推論した系統的関係推論手法を提案する。 マルチエージェント軌道予測とソーシャルロボットナビゲーションの有効性を実証する。
  論文  参考訳（メタデータ） (2024-01-22T18:58:22Z)
• Enhanced Human-Robot Collaboration using Constrained Probabilistic Human-Motion Prediction [5.501477817904299]
  本研究では,人間の関節の制約とシーンの制約を組み込んだ新しい動き予測フレームワークを提案する。 人間の腕のキネマティックモデルでテストされ、UR5ロボットアームと人間とロボットの協調的な設定で実装されている。
  論文  参考訳（メタデータ） (2023-10-05T05:12:14Z)
• Dyadic Human Motion Prediction [119.3376964777803]
  本稿では,2つの被験者の相互作用を明示的に推論する動き予測フレームワークを提案する。 具体的には,2つの被験者の運動履歴の相互依存をモデル化する一対の注意機構を導入する。 これにより、より現実的な方法で長期の運動力学を保ち、異常かつ高速な運動を予測することができる。
  論文  参考訳（メタデータ） (2021-12-01T10:30:40Z)
• Probabilistic Human Motion Prediction via A Bayesian Neural Network [71.16277790708529]
  本稿では,人間の動作予測のための確率モデルを提案する。 我々のモデルは、観測された動きシーケンスが与えられたときに、いくつかの将来の動きを生成することができる。 我々は、大規模ベンチマークデータセットHuman3.6mに対して、我々のアプローチを広範囲に検証した。
  論文  参考訳（メタデータ） (2021-07-14T09:05:33Z)
• Learning to Abstract and Predict Human Actions [60.85905430007731]
  ビデオにおける人間の活動の階層構造をモデル化し,行動予測におけるそのような構造の効果を実証する。 イベントの部分的階層を観察し、その構造を複数の抽象化レベルで将来の予測にロールアウトすることで、人間の活動の構造を学習できる階層型ニューラルネットワークであるHierarchical-Refresher-Anticipatorを提案する。
  論文  参考訳（メタデータ） (2020-08-20T23:57:58Z)

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。