論文の概要: Adaptive Human-Robot Collaboration for Masonry Construction Under Material and Assembly Uncertainty
- arxiv url: http://arxiv.org/abs/2605.20264v1
- Date: Mon, 18 May 2026 18:42:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-21 19:19:56.249877
- Title: Adaptive Human-Robot Collaboration for Masonry Construction Under Material and Assembly Uncertainty
- Title（参考訳）: 材料・組立不確実性を考慮した機械工法における適応型人間ロボット協調
- Authors: Jutang Gao, Arash Adel,
- Abstract要約: 本稿では,コミュニケーションの制限や寛容な蓄積に対処する,機械工のための適応型人間ロボット協調ワークフローを提案する。
このワークフローは,(1)手動接着剤塗布のためのジャストインタイムプロジェクションガイダンスを提供するエンドエフェクタ搭載プロジェクタ,(2)フィードバック駆動型グリーティングと配置ポーズ補正のためのレーザ走査の2つの補完機構によって実現されている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Human-robot collaboration in construction is often challenged by limited robot-to-human communication and the need to adapt to tolerance accumulation arising from material and assembly uncertainties. We present an adaptive human-robot collaborative workflow for masonry construction that addresses communication limitations and tolerance accumulation, demonstrated through a brickwork case study in which a robot places bricks while a human applies adhesive. This workflow is enabled by two complementary mechanisms: 1) an end-effector-mounted projector that provides spatially registered, just-in-time projection guidance for manual adhesive application, and 2) laser scanning for feedback-driven grasping and placement pose correction. Together, these mechanisms enable adjustment of human and robotic actions in response to material variability and accumulated assembly tolerances. Full-scale experiments across conventional running-bond and nonstandard configurations demonstrate that projection guidance improves adhesive application consistency and reduces application time, while laser-based correction maintains level courses and avoids collision-prone failures associated with open-loop execution. These results indicate that integrating spatial projection with feedback-driven adaptation, enabled by material and as-built sensing, can mitigate tolerance accumulation and improve precision and robustness in human-robot collaborative construction.
- Abstract（参考訳）: 建設における人間とロボットの協調は、限られたロボットと人間のコミュニケーションと、材料や組立の不確実性から生じる寛容な蓄積に適応する必要性によってしばしば挑戦される。
本稿では,人間に接着剤を塗布する間,ロボットがレンガを配置するレンガ造りのケーススタディを通じて,コミュニケーションの制限と寛容の蓄積に対処する,石工建設のための適応的人間ロボット協調ワークフローについて紹介する。
このワークフローは2つの補完メカニズムによって実現されます。
1)手動接着剤塗布のための空間登録のジャスト・イン・タイム・プロジェクションガイダンスを提供する端面エフェクター搭載プロジェクター
2) フィードバック駆動型グリーディングと配置ポーズ補正のためのレーザー走査。
これらのメカニズムは、物質的変動性と蓄積された組立許容度に応じて、人間とロボットの動作を調整することができる。
従来のランニングボンドおよび非標準構成のフルスケール実験では、プロジェクションガイダンスは接着性の整合性を改善し、適用時間を短縮する一方、レーザーベースの補正はレベルコースを維持し、オープンループ実行に伴う衝突事故を回避する。
これらの結果から, 空間投影とフィードバック駆動型適応を組み合わせることで, 耐久性蓄積を軽減し, ロボット協調作業の精度と堅牢性を向上させることが示唆された。
関連論文リスト
- IMPACT-Scribe: Interactive Temporal Action Segmentation with Boundary Scribbles and Query Planning [75.72434806468884]
IMPACT-Scribeは高密度ラベリングのための修正駆動のフレームワークである。
不確実性を認識した境界管理、局所的な提案モデリング、コストを意識したクエリ計画、構造化された伝搬、修正駆動適応を組み合わせる。
実験と人間の研究により、このクローズドループの設計は、努力ごとのラベル付け品質を改善し、境界精度を高め、時間とともにより良い人間機械の相互作用を促進することが示されている。
論文 参考訳（メタデータ） (2026-05-03T01:45:58Z) - Learning-Based Strategy for Composite Robot Assembly Skill Adaptation [39.146761527401424]
本稿では,ペグ・イン・ホール・アセンブリのためのスキルベース戦略を提案する。
適応はResidual Reinforcement Learning (RRL)によって達成される
提案した定式化により、組立スキルの堅牢な実行が可能となり、産業自動化への適合性を強調した。
論文 参考訳（メタデータ） (2026-04-08T11:13:00Z) - Adaptive Vision-Based Control of Redundant Robots with Null-Space Interaction for Human-Robot Collaboration [7.779638839381672]
人間とロボットのコラボレーションは、ロボットとの協力を通じて人間の能力を拡張することを目的としている。
人間とロボットのコラボレーションが1つのロボット/人間より優れているように、双方のパフォーマンスを向上させることは、未解決の問題である。
タスク空間における適応的視覚に基づく制御項と、ヌル空間における対話的制御項からなる冗長ロボットの新しい制御方式が提案されている。
論文 参考訳（メタデータ） (2026-03-09T08:30:14Z) - Replanning Human-Robot Collaborative Tasks with Vision-Language Models via Semantic and Physical Dual-Correction [7.668882674013904]
人間-ロボット協調は、対話的でリアルタイムな人間の指示に基づいてロボットが動作を計画し調整できるようにすることによって、組み立て作業において重要な役割を果たす。
このような指示はしばしば言語的に曖昧で不明確であり、物理的に実現可能で協調的なロボット行動を生成することは困難である。
本稿では,VLMに基づく推論を二重補正機構で拡張するHRCフレームワークを提案する。
論文 参考訳（メタデータ） (2026-02-16T08:24:19Z) - InterPrior: Scaling Generative Control for Physics-Based Human-Object Interactions [58.329946838699044]
人間は、明示的な全身運動のレベルで、物体と全身の相互作用を計画することは滅多にない。
このような事前のスケーリングは、ヒューマノイドがロコ操作スキルの構築と一般化を可能にする鍵となる。
我々は,強化学習による大規模模倣事前学習とポストトレーニングを通じて,統合生成コントローラを学習するフレームワークであるInterPriorを紹介する。
論文 参考訳（メタデータ） (2026-02-05T18:59:27Z) - Fault-Tolerant Multi-Robot Coordination with Limited Sensing within Confined Environments [0.6144680854063939]
マルチロボットシステムにおける物理的接触相互作用を利用した新しいフォールトトレランス手法を提案する。
そこで本研究では, ロボットの動作を, 操作不能なロボットに遭遇する可能性に基づいて調整する「アクティブコンタクト応答(ACR)」手法を提案する。
論文 参考訳（メタデータ） (2025-05-21T02:43:36Z) - Vision-Based Adaptive Robotics for Autonomous Surface Crack Repair [0.0]
本研究は,手作業の削減,安全性の向上,保守作業の合理化などによる人間とロボットの相互作用の分野に寄与する。
先進的なセンシング技術を用いた表面き裂検出と修復のための適応型自律ロボットシステムを提案する。
論文 参考訳（メタデータ） (2024-07-23T22:46:21Z) - EasyHeC: Accurate and Automatic Hand-eye Calibration via Differentiable
Rendering and Space Exploration [49.90228618894857]
我々は、マーカーレスでホワイトボックスであり、より優れた精度とロバスト性を提供するEasyHeCと呼ばれる手眼校正の新しいアプローチを導入する。
我々は,2つの重要な技術 – レンダリングベースのカメラポーズの最適化と整合性に基づく共同空間探索 – を利用することを提案する。
本評価は,合成および実世界のデータセットにおいて優れた性能を示す。
論文 参考訳（メタデータ） (2023-05-02T03:49:54Z) - 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) - Online Body Schema Adaptation through Cost-Sensitive Active Learning [63.84207660737483]
この作業は、icubロボットシミュレータの7dofアームを使用して、シミュレーション環境で実行された。
コストに敏感な能動学習手法は最適な関節構成を選択するために用いられる。
その結果,コスト依存型能動学習は標準的な能動学習手法と同等の精度を示し,実行運動の約半分を減らした。
論文 参考訳（メタデータ） (2021-01-26T16:01:02Z) - 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。