論文の概要: Passivity-based Semi-autonomous Rotational Motion Navigation for Rigid-body Networks: Stability and Human Passivity Analysis

• arxiv url: http://arxiv.org/abs/2605.24731v1
• Date: Sat, 23 May 2026 20:49:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-26 19:50:18.352178
• Title: Passivity-based Semi-autonomous Rotational Motion Navigation for Rigid-body Networks: Stability and Human Passivity Analysis
• Title（参考訳）: 剛体ネットワークの受動性に基づく半自律回転運動ナビゲーション:安定性と人間の受動性解析
• Authors: Reiji Terunuma, Yuta Nakamura, Takeshi Hatanaka,
• Abstract要約: 本稿では, パッシビリティに基づく半自律的姿勢制御フレームワークを提案する。 まず,人間の操作者へフィードバックされる平均情報の不変性を多ボットシステムで保持する新しい制御アーキテクチャを提案する。 そこで我々は,人間が受動的システムとして振る舞うことを前提として,提案したループシステムの閉ループ安定性を厳密に証明する。
• 参考スコア（独自算出の注目度）: 1.357291726431012
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper presents a novel passivity-based semi-autonomous attitude control framework, with a particular focus on attitude kinematics defined on the special orthogonal group $SO(3)$. While human-robot interaction facilitates the successful execution of complex tasks, ensuring stability of human-in-the-loop systems on the $SO(3)$ manifold remains a largely unsolved challenge. We first propose a new control architecture in which a multi-robot system preserves invariance of the average information fed back to the human operator through so-called stealthy control, and the human intervention is mediated through a virtual leader, which is coupled with the robots via a passivity-based attitude synchronization law. We then rigorously prove closed-loop stability of the proposed human-in-the-loop system under the assumption that the human behaves as a passive system. To support this analysis, simulation studies are conducted to identify the human operator as a dynamical system, and to examine passivity properties of the identified model.
• Abstract（参考訳）: 本稿では、特殊直交群$SO(3)$に定義された姿勢運動学に特に焦点をあてた、受動性に基づく半自律的姿勢制御フレームワークを提案する。 人間とロボットの相互作用は複雑なタスクの実行を成功させるが、SO(3)$多様体上の人間のループシステムの安定性を保証することは、ほとんど未解決の課題である。 まず,人間にフィードバックされる平均情報の不変性を,いわゆるステルス制御によって保持するマルチロボットシステムを提案する。 そこで我々は,人間が受動的システムとして振る舞うことを前提として,提案したループシステムの閉ループ安定性を厳密に証明する。 この解析を支援するために,人間の操作者を力学系として同定し,同定されたモデルの通過率特性を調べるシミュレーション研究を行った。

関連論文リスト

• Adaptive vs. Static Robot-to-Human Handover: A Study on Orientation and Approach Direction [0.3425341633647625]
  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。
  論文  参考訳（メタデータ） (2026-04-24T09:14:44Z)
• 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)
• Embodied Human Simulation for Quantitative Design and Analysis of Interactive Robotics [8.590015229469186]
  本研究では,人間とロボットの相互作用を定量的に解析するためのシミュレーションベースのフレームワークを開発した。 中心となるのは、人間の力学系の予測的代理として機能する全身筋骨格モデルである。 我々は,ヒトと外骨格の相互作用を最適化する能力を示し,関節アライメントの改善と接触力の低下を示した。
  論文  参考訳（メタデータ） (2026-03-10T05:39:31Z)
• Dual-Agent Multiple-Model Reinforcement Learning for Event-Triggered Human-Robot Co-Adaptation in Decoupled Task Spaces [3.349003999623489]
  本稿では,カスタム6自由度上肢ロボットのための共有制御型リハビリテーションポリシーを提案する。 患者は二進法で一次到達方向を制御し、ロボットは自律的に矯正動作を管理する。
  論文  参考訳（メタデータ） (2026-03-06T11:15:10Z)
• 3HANDS Dataset: Learning from Humans for Generating Naturalistic Handovers with Supernumerary Robotic Limbs [64.99122701615151]
  スーパー数式ロボットアーム(英: Supernumerary Robotics limbs、SRL)は、ユーザーの身体と密に統合されたロボット構造である。 3HANDSは,日常活動を行う参加者と,ヒップマウントSRLを自然な方法で実施する参加者との間の,オブジェクトハンドオーバインタラクションの新たなデータセットである。 本稿では,自然なハンドオーバ軌跡を生成する3つのモデル,適切なハンドオーバエンドポイントを決定する1つのモデル,ハンドオーバ開始のタイミングを予測する3つのモデルを提案する。
  論文  参考訳（メタデータ） (2025-03-06T17:23:55Z)
• Wireless Human-Machine Collaboration in Industry 5.0 [75.78721184383897]
  ワイヤレス・ヒューマン・マシン・コラボレーションは産業5.0にとって重要な進歩である。 安定性解析は、閉ループ系がモデルランダム性の下でどのように振る舞うかを証明している。 本稿では,マシンと人体制御のための2つの無線ループを組み込んだ基本WHMCモデルを確立する。
  論文  参考訳（メタデータ） (2024-10-18T03:44:10Z)
• Offline Risk-sensitive RL with Partial Observability to Enhance Performance in Human-Robot Teaming [1.3980986259786223]
  本稿では,モデルの不確実性を取り入れ,リスクに敏感なシーケンシャルな意思決定を可能にする手法を提案する。 シミュレーションロボット遠隔操作環境において,26名の被験者を対象に実験を行った。
  論文  参考訳（メタデータ） (2024-02-08T14:27:34Z)
• 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)
• Active Uncertainty Learning for Human-Robot Interaction: An Implicit Dual Control Approach [5.05828899601167]
  暗黙的な二重制御パラダイムに基づくループ内動作計画のための不確実性学習を実現するアルゴリズムを提案する。 提案手法は,動的プログラミングモデル予測制御問題のサンプリングに基づく近似に依拠する。 結果として得られたポリシーは、連続的およびカテゴリー的不確実性を持つ一般的な人間の予測モデルに対する二重制御効果を維持することが示されている。
  論文  参考訳（メタデータ） (2022-02-15T20:40:06Z)
• SABER: Data-Driven Motion Planner for Autonomously Navigating Heterogeneous Robots [112.2491765424719]
  我々は、データ駆動型アプローチを用いて、異種ロボットチームをグローバルな目標に向けてナビゲートする、エンドツーエンドのオンラインモーションプランニングフレームワークを提案する。 モデル予測制御(SMPC)を用いて,ロボット力学を満たす制御入力を計算し,障害物回避時の不確実性を考慮した。 リカレントニューラルネットワークは、SMPC有限時間地平線解における将来の状態の不確かさを素早く推定するために用いられる。 ディープQ学習エージェントがハイレベルパスプランナーとして機能し、SMPCにロボットを望ましいグローバルな目標に向けて移動させる目標位置を提供する。
  論文  参考訳（メタデータ） (2021-08-03T02:56:21Z)

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。