論文の概要: Active Contact Sensing for Robust Robot-to-Human Object Handover
- arxiv url: http://arxiv.org/abs/2605.04610v1
- Date: Wed, 06 May 2026 07:59:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-07 18:41:07.715297
- Title: Active Contact Sensing for Robust Robot-to-Human Object Handover
- Title（参考訳）: ロバストロボット・ヒューマン物体ハンドオーバのためのアクティブコンタクトセンシング
- Authors: Linfeng Li, Lin Shao, David Hsu,
- Abstract要約: 頑健なオブジェクトハンドオーバに対する能動的センシング手法を提案する。
ホールドグリップは複数の方向に力を生み出すが、偶発的なタッチは起こらない。
我々の手法は97.5%の成功率を達成した。
- 参考スコア（独自算出の注目度）: 22.323829143922676
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Robot-to-human object handover is an essential skill for robot assistants, from serving drinks at home to passing surgical tools in the operating room. We expect robots to perform handover robustly -- to release the object only after a firm human grasp while ignoring incidental touches. Existing passive-sensing methods struggle to generalize across diverse objects and human behaviors, as they lack informative perturbations to disambiguate different contact conditions, such as firm grasp versus incidental touch. We propose an active sensing approach for robust handovers: the robot applies information-gathering motions and senses the resulting human-applied forces to infer the contact state. A firm grasp produces forces in multiple directions, while an accidental touch does not. To capture this distinction, we model the contact state with a Bayesian linear model: a distribution over piecewise-linear mappings from robot motions to human-applied forces. This model enables firm grasp detection and active information gathering. In experiments with 12 participants and 30 diverse rigid objects, our method achieved a 97.5% success rate -- over 30% higher than two common baselines.
- Abstract（参考訳）: ロボットと人間のオブジェクトのハンドオーバは、家庭で飲み物を提供するから手術器具を手術室に渡すまで、ロボットアシスタントにとって必須のスキルである。
我々は、ロボットがしっかりとハンドオーバを行うことを期待しています。
既存の受動的センシング手法は、様々な物体や人間の行動にまたがる一般化に苦慮している。
ロボットは、情報収集動作を適用し、その結果の人間に作用する力を感知し、接触状態を推定する。
ホールドグリップは複数の方向に力を生み出すが、偶発的なタッチは起こらない。
この特徴を捉えるために,ロボットの動きから人間に適応した力への一方向線形写像の分布というベイズ線形モデルを用いて接触状態をモデル化する。
このモデルは、しっかりと把握し、アクティブな情報収集を可能にする。
12名の被験者と30名の多様な剛体物体による実験で、この手法は97.5%の成功率を達成した。
関連論文リスト
- Learning to Transfer Human Hand Skills for Robot Manipulations [12.797862020095856]
本稿では,人間の手の動きのデモから,ロボットに巧妙な操作課題を教える方法を提案する。
本手法では,人間の手の動き,ロボットの手の動き,物体の動きを3Dでマッピングする関節運動多様体を学習し,ある動きを他者から推測する。
論文 参考訳（メタデータ） (2025-01-07T22:33:47Z) - ContactHandover: Contact-Guided Robot-to-Human Object Handover [23.093164853009547]
本稿では,接触誘導獲得フェーズと物体の伝達フェーズの2つのフェーズからなるヒューマンハンドオーバシステムを提案する。
把握フェーズでは、ContactHandoverは6-DoFロボットのグリップポーズと、オブジェクト上の人間の接触点の3D割当マップの両方を予測する。
配達段階では、人間の腕関節トルクと変位を最小化しつつ、人間に近い接触点を最大化してロボットエンドエフェクタポーズを算出する。
論文 参考訳（メタデータ） (2024-04-01T18:12:09Z) - 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) - 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) - From Movement Kinematics to Object Properties: Online Recognition of
Human Carefulness [112.28757246103099]
ロボットは、視覚だけで、人間のパートナーが物体を動かす際に注意を払っているかを、どのようにオンラインで推測できるかを示す。
我々は,低解像度カメラでも高い精度(最大81.3%)でこの推論を行うことができることを示した。
パートナーの行動を観察することによる動きの注意の迅速な認識により、ロボットはオブジェクトに対する行動に適応し、人間のパートナーと同じケアの度合いを示すことができる。
論文 参考訳（メタデータ） (2021-09-01T16:03:13Z) - Careful with That! Observation of Human Movements to Estimate Objects
Properties [106.925705883949]
我々は、物体の重さについての洞察を伝える人間の運動行動の特徴に焦点を当てる。
最後の目標は、ロボットがオブジェクトハンドリングに必要なケアの度合いを自律的に推測できるようにすることです。
論文 参考訳（メタデータ） (2021-03-02T08:14:56Z) - Reactive Human-to-Robot Handovers of Arbitrary Objects [57.845894608577495]
本稿では、未知の物体の人間とロボットのハンドオーバを可能にするビジョンベースシステムを提案する。
提案手法は,クローズドループ運動計画とリアルタイムかつ時間的に一貫性のあるグリップ生成を組み合わせたものである。
提案手法の汎用性,ユーザビリティ,ロバスト性を,26種類の家庭用オブジェクトからなる新しいベンチマークで実証した。
論文 参考訳（メタデータ） (2020-11-17T21:52:22Z) - Human Grasp Classification for Reactive Human-to-Robot Handovers [50.91803283297065]
本稿では,ロボットが人間に遭遇するロボットのハンドオーバに対するアプローチを提案する。
対象物をさまざまな手形やポーズで保持する典型的な方法をカバーする,人間の把握データセットを収集する。
本稿では,検出した把握位置と手の位置に応じて人手から対象物を取り出す計画実行手法を提案する。
論文 参考訳（メタデータ） (2020-03-12T19:58:03Z)
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。