論文の概要: Do Robots Need Body Language? Comparing Communication Modalities for Legible Motion Intent in Human-Shared Spaces

• arxiv url: http://arxiv.org/abs/2604.03451v1
• Date: Fri, 03 Apr 2026 20:53:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-07 15:49:18.587096
• Title: Do Robots Need Body Language? Comparing Communication Modalities for Legible Motion Intent in Human-Shared Spaces
• Title（参考訳）: ロボットはボディランゲージを必要とするか? : コミュニケーションモダリティと人間共有空間における可視運動インテントの比較
• Authors: Jonathan Albert Cohen, Kye Shimizu, Allen Song, Vishnu Bharath, Kent Larson, Pattie Maes,
• Abstract要約: ハイDoFロボットは、人々が意図的、意図的に読み取る動きを示しており、そのような手がかりがどのように認識されているかを理解することが重要である。 我々は,四足歩行ロボットの今後のナビゲーション動作を理解する能力について,さまざまなシグナリング・モダリティ,表現運動,光,テキスト,音声などを評価するオンラインビデオスタディを提案する。
• 参考スコア（独自算出の注目度）: 22.039354879428497
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Robots in shared spaces often move in ways that are difficult for people to interpret, placing the burden on humans to adapt. High-DoF robots exhibit motion that people read as expressive, intentionally or not, making it important to understand how such cues are perceived. We present an online video study evaluating how different signaling modalities, expressive motion, lights, text, and audio, shape people's ability to understand a quadruped robot's upcoming navigation actions (Boston Dynamics Spot). Across four common scenarios, we measure how each modality influences humans' (1) accuracy in predicting the robot's next navigation action, (2) confidence in that prediction, and (3) trust in the robot to act safely. The study tests how expressive motions compare to explicit channels, whether aligned multimodal cues enhance interpretability, and how conflicting cues affect user confidence and trust. We contribute initial evidence on the relative effectiveness of implicit versus explicit signaling strategies.
• Abstract（参考訳）: 共有空間のロボットはしばしば、解釈が難しい方法で動き、人間に適応する責任を負う。 ハイDoFロボットは、人々が意図的、意図的に読み取る動きを示しており、そのような手がかりがどのように認識されているかを理解することが重要である。 本稿では,四足歩行ロボットの今後のナビゲーション動作を理解する能力(Boston Dynamics Spot)について,さまざまなシグナリング・モダリティ,表現運動,光,テキスト,音声などを評価するオンラインビデオスタディを提案する。 一般的な4つのシナリオにまたがって、ロボットの次のナビゲーション動作の予測における各モードの精度、その予測に対する信頼性、そして、ロボットが安全に行動するための信頼度を計測する。 この研究は、表現的な動きが明示的なチャネルとどのように比較されるか、マルチモーダルなキューが解釈可能性を高めるか、そして競合するキューがユーザーの信頼と信頼にどのように影響するかをテストする。 本研究は,暗黙的および明示的シグナル伝達戦略の相対的有効性に関する最初の証拠を提示する。

関連論文リスト

• Bidirectional Human-Robot Communication for Physical Human-Robot Interaction [13.222878560524896]
  BRIDGEは、物理的支援における双方向の人間ロボット通信システムである。 提案手法では,自然言語を用いてロボットの計画軌道をリアルタイムで修正することができる。 本システムでは, ユーザに対して, 結果の変化の確認や, 明確な疑問の呈示など, 言葉によるフィードバックを提供する。
  論文  参考訳（メタデータ） (2026-01-15T19:01:02Z)
• EMOTION: Expressive Motion Sequence Generation for Humanoid Robots with In-Context Learning [10.266351600604612]
  本稿では,ヒューマノイドロボットにおける表現型動き列を生成するためのEMOTIONというフレームワークを提案する。 本研究では,EMOTIONが生成する動作の自然性と理解性を比較したオンラインユーザ研究を行い,その人間フィードバックバージョンであるEMOTION++について述べる。
  論文  参考訳（メタデータ） (2024-10-30T17:22:45Z)
• 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)
• See, Hear, and Feel: Smart Sensory Fusion for Robotic Manipulation [49.925499720323806]
  視覚的、聴覚的、触覚的知覚が、ロボットが複雑な操作タスクを解くのにどのように役立つかを研究する。 私たちは、カメラで見たり、コンタクトマイクで聞いたり、視覚ベースの触覚センサーで感じるロボットシステムを構築しました。
  論文  参考訳（メタデータ） (2022-12-07T18:55:53Z)
• Gesture2Path: Imitation Learning for Gesture-aware Navigation [54.570943577423094]
  Gesture2Pathは、画像に基づく模倣学習とモデル予測制御を組み合わせた新しいソーシャルナビゲーション手法である。 実際のロボットに本手法をデプロイし,4つのジェスチャーナビゲーションシナリオに対するアプローチの有効性を示す。
  論文  参考訳（メタデータ） (2022-09-19T23:05:36Z)
• Robots with Different Embodiments Can Express and Influence Carefulness in Object Manipulation [104.5440430194206]
  本研究では,2つのロボットによるコミュニケーション意図による物体操作の知覚について検討する。 ロボットの動きを設計し,物体の搬送時に注意を喚起するか否かを判断した。
  論文  参考訳（メタデータ） (2022-08-03T13:26:52Z)
• Synthesis and Execution of Communicative Robotic Movements with Generative Adversarial Networks [59.098560311521034]
  我々は、繊細な物体を操作する際に人間が採用するのと同じキネマティクス変調を2つの異なるロボットプラットフォームに転送する方法に焦点を当てる。 我々は、ロボットのエンドエフェクターが採用する速度プロファイルを、異なる特徴を持つ物体を輸送する際に人間が何をするかに触発されて調整する。 我々は、人体キネマティクスの例を用いて訓練され、それらを一般化し、新しい有意義な速度プロファイルを生成する、新しいジェネレーティブ・アドバイサル・ネットワークアーキテクチャを利用する。
  論文  参考訳（メタデータ） (2022-03-29T15:03:05Z)

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。