論文の概要: Exploring Human-Robot Collaboration: Analysis of Interaction Modalities in Challenging Tasks

• arxiv url: http://arxiv.org/abs/2605.13380v1
• Date: Wed, 13 May 2026 11:35:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-14 23:30:28.015618
• Title: Exploring Human-Robot Collaboration: Analysis of Interaction Modalities in Challenging Tasks
• Title（参考訳）: 人間-ロボット協調の探求--混在作業における相互作用モーダリティの分析
• Abstract要約: この研究は、人間とロボットのコラボレーションにおける3つの相互作用のモダリティ(受動的、反応性、能動的)を比較する。 受動的モダリティの参加者は単独で作業し、リアクティブなモダリティでは、移動ロボットは要求に応じてのみ支援し、プロアクティブなモダリティでは、明示的な要求なしにブロック配信とエラーシグナリングを開始した。
• 参考スコア（独自算出の注目度）: 46.51389250028598
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This work compares three interaction modalities for human-robot collaboration: passive, reactive, and proactive. We studied 18 participants assembling a seven-layer colored tower from memory while using nearby and distant blocks. In the passive modality participants worked alone; in the reactive modality a mobile robot helped only upon request; in the proactive modality it initiated brick delivery and error signaling without explicit requests. Although robot assistance increased completion time, most participants preferred collaboration: 67% preferred proactive behavior and 78% judged it most useful. These results suggest that timely proactive support can improve user experience in controlled collaborative tasks.
• Abstract（参考訳）: この研究は、人間とロボットのコラボレーションにおける3つの相互作用のモダリティ(受動的、反応性、能動的)を比較する。 周辺ブロックと遠隔ブロックを用いて7層カラータワーを記憶から組み立てた18人の被験者について検討した。 受動的モダリティの参加者は単独で作業し、リアクティブなモダリティでは、移動ロボットは要求に応じてのみ支援し、プロアクティブなモダリティでは、明示的な要求なしにブロック配信とエラーシグナリングを開始した。 ロボット支援は完成までの時間が増えたが、ほとんどの参加者はコラボレーションを好み、67%は積極的に行動することを好み、78%はそれが最も有用であると判断した。 これらの結果から,協調作業におけるタイムリーな積極的なサポートがユーザエクスペリエンスを向上させることが示唆された。

関連論文リスト

• When May I Help You? On The Effect of Proactivity on Group Human-Robot Collaboration [6.0109391632117015]
  対処されることなく貢献するロボットは、タイムリーなサポートを提供することができる。 対処されるのを待つロボットは人間のコントロールを維持するかもしれないが、支援する機会を逃すこともある。 本研究では,2組のロボットがヒューマノイドロボットで作業する共同避難室において,この設計課題について検討する。
  論文  参考訳（メタデータ） (2026-06-26T14:21:08Z)
• PACT: Proactive Asking for Continual Task Assistance in Human-Robot Collaboration [62.13457838323877]
  PACT(Proactive Asking for Continual Task Assistance)は,行動を起こす前に明確化を求めるかどうかを判断する質問・実行フレームワークである。 我々は、強化学習を用いて、その初等学習インスタンス化を実装し、同じ枠組みの下で代替インスタンス化を評価する。 マルチデイの実施したコラボレーションシナリオの実験では、パッシブ推論ベースラインと比較して、PACTはアシスト精度と明確化ユーティリティの両方を一貫して改善している。
  論文  参考訳（メタデータ） (2026-05-23T02:22:02Z)
• ProVox: Personalization and Proactive Planning for Situated Human-Robot Collaboration [28.29030844693482]
  協調型ロボットは、パートナーの意図や好みに迅速に適応し、積極的に有用な行動を特定する必要がある。 ProVoxは、ロボットが個人の協力者に効率よくパーソナライズし、適応できる新しいフレームワークである。 分析の結果,メタプロンプトとプロアクティブの両方が重要であり,タスク完了時間が38.7%,ユーザ負担が31.9%減少した。
  論文  参考訳（メタデータ） (2025-06-13T21:50:10Z)
• CollabLLM: From Passive Responders to Active Collaborators [109.39122516993362]
  大規模な言語モデルは、通常、次のターン報酬で訓練され、長期的な相互作用のために最適化する能力を制限する。 マルチターン・ヒューマン・LLMコラボレーションを強化する新奇で汎用的なトレーニングフレームワークであるCollabLLMを紹介する。 また、201人の審査員による大規模なユーザスタディを実施し、CollabLLMはユーザの満足度を17.6%向上し、ユーザ使用時間を10.4%削減します。
  論文  参考訳（メタデータ） (2025-02-02T03:05:52Z)
• Collaborative Gym: A Framework for Enabling and Evaluating Human-Agent Collaboration [50.657070334404835]
  Collaborative Gymは、エージェント、人間、タスク環境間の非同期で三分割的なインタラクションを可能にするフレームワークである。 シミュレーション条件と実環境条件の両方において,Co-Gymを3つの代表的なタスクでインスタンス化する。 その結果、協調作業員はタスクパフォーマンスにおいて、完全に自律的なエージェントよりも一貫して優れていたことが判明した。
  論文  参考訳（メタデータ） (2024-12-20T09:21:15Z)
• Vocal Sandbox: Continual Learning and Adaptation for Situated Human-Robot Collaboration [64.6107798750142]
  Vocal Sandboxは、位置のある環境でシームレスな人間とロボットのコラボレーションを可能にするフレームワークである。 我々は,ロボットの能力に対する理解と協調をリアルタイムで構築できる軽量で解釈可能な学習アルゴリズムを設計する。 我々はVocal Sandboxを,コラボレーションギフトバッグアセンブリとLEGOストップモーションアニメーションの2つの設定で評価した。
  論文  参考訳（メタデータ） (2024-11-04T20:44:40Z)
• Gaze Detection and Analysis for Initiating Joint Activity in Industrial Human-Robot Collaboration [3.775062086401102]
  協調体験を改善するための潜在的アプローチは、オペレーターからの自然な手がかりに基づいてコボットの振る舞いを適用することである。 ヒトとヒトの相互作用に関する文献に触発されて、私たちはコボットへの視線が共同活動開始の引き金となるかどうかを調べるためにウィザード・オブ・オズの研究を行った。
  論文  参考訳（メタデータ） (2023-12-11T18:56:03Z)
• Show Me What You Can Do: Capability Calibration on Reachable Workspace for Human-Robot Collaboration [83.4081612443128]
  本稿では,REMPを用いた短時間キャリブレーションにより,ロボットが到達できると考える非専門家と地道とのギャップを効果的に埋めることができることを示す。 この校正手順は,ユーザ認識の向上だけでなく,人間とロボットのコラボレーションの効率化にも寄与することを示す。
  論文  参考訳（メタデータ） (2021-03-06T09:14:30Z)

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。