論文の概要: Adaptive vs. Static Robot-to-Human Handover: A Study on Orientation and Approach Direction

• arxiv url: http://arxiv.org/abs/2604.22378v1
• Date: Fri, 24 Apr 2026 09:14:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-27 15:36:26.410407
• Title: Adaptive vs. Static Robot-to-Human Handover: A Study on Orientation and Approach Direction
• Title（参考訳）: Adaptive vs. Static Robot-to-Humanハンドオーバ:オリエンテーションとアプローチの方向性に関する研究
• Authors: Federico Biagi, Dario Onfiani, Simone Silenzi, Cristina Iani, Luigi Biagiotti,
• Abstract要約: 本研究は、ユーザの手ポーズと意図した下流タスクに基づいて、オブジェクトの配信ポーズをリアルタイムで動的に調整する、新しい適応フレームワークを提案する。 総合的なユーザスタディでは、提案した静的ベースラインに対する適応的アプローチを複数のタスクで比較している。 その結果、動的アライメントは、ロボットの信頼性に対する信頼感を高めながら、ユーザの認知的作業負荷と生理的ストレスを著しく減少させることが示された。
• 参考スコア（独自算出の注目度）: 0.3425341633647625
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Robot-to-human handovers often rely on static, open-loop strategies (or, at best, approaches that adapt only the position), which generally do not consider how the object will be grasped by the human, thus requiring the user to adapt. This work presents a novel adaptive framework that dynamically adjusts the object's delivery pose in real time based on the user's hand pose and the intended downstream task. By integrating AI-based hand pose estimation with smooth, kinematically constrained trajectories, the system ensures a safe approach and an optimal handover orientation. A comprehensive user study compares the proposed adaptive approach against a static baseline across multiple tasks, evaluating both subjective metrics (NASA-TLX, Human-Robot Trust Scale) and objective physiological data (blink rate measured via wearable eye-trackers). The results demonstrate that dynamic alignment significantly reduces users' cognitive workload and physiological stress, while increasing perceived trust in the robot's reliability. These findings highlight the potential of task- and pose-aware systems for enabling fluid and ergonomic human-robot collaboration.
• Abstract（参考訳）: ロボットから人間へのハンドオーバは、静的なオープンループ戦略(または、せいぜい、位置のみを適応させるアプローチ)に依存していることが多い。 本研究は,ユーザの手ポーズと意図した下流タスクに基づいて,オブジェクトの配信ポーズをリアルタイムで動的に調整する,新しい適応フレームワークを提案する。 AIベースの手ポーズ推定をスムーズでキネマティックに制約された軌道と組み合わせることで、システムは安全なアプローチと最適なハンドオーバ配向を保証する。 総合的なユーザスタディでは、提案した静的ベースラインに対する適応的アプローチを複数のタスクにわたって比較し、主観的指標(NASA-TLX, Human-Robot Trust Scale)と客観的生理的データ(ウェアラブルアイトラッカーによるリンク率)の両方を評価する。 その結果、動的アライメントは、ロボットの信頼性に対する信頼感を高めながら、ユーザの認知的作業負荷と生理的ストレスを著しく減少させることが示された。 これらの知見は、流体と人間工学的人間ロボットの協調を可能にするタスク・アンド・ポーズ・アウェアシステムの可能性を強調した。

関連論文リスト

• Learn Weightlessness: Imitate Non-Self-Stabilizing Motions on Humanoid Robot [56.377161933570335]
  人間は自然に非自己安定化(NSS)運動中に「無重力」状態を利用する。 この生物学的メカニズムに着想を得て,データセットのアノテーションに対する無重力自動ラベル方式を提案する。 我々の研究は、正確な軌道追跡と適応的な環境相互作用のギャップを埋め、接触リッチなヒューマノイド制御のための生物学的にインスパイアされたソリューションを提供する。
  論文  参考訳（メタデータ） (2026-04-23T07:10:05Z)
• Multi-Cycle Spatio-Temporal Adaptation in Human-Robot Teaming [7.507798648267691]
  本稿では,複数のサイクルにまたがって個人の空間的行動(運動経路)と時間的行動(タスク完了に必要な時間)をモデル化し,アプローチを統一する枠組みを提案する。 7-DOFロボットアームを用いたシミュレーションと物理ロボットシナリオにおけるアブレーション研究を通して、この二重適応の重要性を実証する。
  論文  参考訳（メタデータ） (2026-04-21T16:49:59Z)
• TATIC: Task-Aware Temporal Learning for Human Intent Inference from Physical Corrections in Human-Robot Collaboration [3.4672098154671995]
  ヒューマンロボットコラボレーション(HRC)では、ロボットは動的タスクの制約にオンラインで適応し、人間の意図を進化させなければならない。 本稿では,トルクベース接触力推定とタスク対応時間畳み込みネットワーク(TCN)を利用した個別タスクレベルの意図を推定する統合フレームワークTATICを提案する。 実験は意図認識において0.904 Macro-F1のスコアを獲得し、ハードウェアの検証に成功した。
  論文  参考訳（メタデータ） (2026-03-10T21:19:25Z)
• Admittance-Based Motion Planning with Vision-Guided Initialization for Robotic Manipulators in Self-Driving Laboratories [0.4899818550820576]
  本稿では,適応的かつ適合的なロボット操作を実現するために,アプタンス制御を中心としたモーションプランニングフレームワークを提案する。 従来のスキームとは異なり、提案手法はアクセタンスコントローラを直接トラジェクトリ実行に統合する。 この能力により、人間の操作者はロボットの動きをリアルタイムでオーバーライドまたはリダイレクトすることができる。
  論文  参考訳（メタデータ） (2026-01-29T13:29:56Z)
• HHI-Assist: A Dataset and Benchmark of Human-Human Interaction in Physical Assistance Scenario [63.77482302352545]
  HHI-Assist(ヒヒ・アシスト)は、人間の介助作業における人間のインタラクションのモーションキャプチャークリップからなるデータセットである。 私たちの研究は、ロボット支援ポリシーを大幅に強化する可能性がある。
  論文  参考訳（メタデータ） (2025-09-12T09:38:17Z)
• Towards Immersive Human-X Interaction: A Real-Time Framework for Physically Plausible Motion Synthesis [51.95817740348585]
  Human-Xは、様々な実体をまたいだ没入的で物理的に妥当なヒューマンインタラクションを可能にするために設計された、新しいフレームワークである。 本手法は, 自己回帰型反応拡散プランナを用いて, リアルタイムに反応と反応を同時予測する。 我々のフレームワークは、人間とロボットのインタラクションのための仮想現実インターフェースを含む、現実世界のアプリケーションで検証されている。
  論文  参考訳（メタデータ） (2025-08-04T06:35:48Z)
• Intelligent Framework for Human-Robot Collaboration: Dynamic Ergonomics and Adaptive Decision-Making [16.96010830093366]
  本稿では,高度な視覚認識,連続的エルゴノミクスモニタリング,適応的行動木決定を統合化するための革新的なフレームワークを提案する。 我々のアプローチは、ディープラーニングモデル、高度な追跡アルゴリズム、動的エルゴノミクスアセスメントをモジュラーでスケーラブルで適応的なシステムに合成する。
  論文  参考訳（メタデータ） (2025-03-10T22:43:07Z)
• 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)
• 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)
• Learning Compliance Adaptation in Contact-Rich Manipulation [81.40695846555955]
  本稿では,コンタクトリッチタスクに必要な力プロファイルの予測モデルを学習するための新しいアプローチを提案する。 このアプローチは、双方向Gated Recurrent Units (Bi-GRU) に基づく異常検出と適応力/インピーダンス制御を組み合わせたものである。
  論文  参考訳（メタデータ） (2020-05-01T05:23:34Z)

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。