論文の概要: Selecting haptic guidance models in teleoperation: guidelines from a comparative user study

• arxiv url: http://arxiv.org/abs/2606.04157v1
• Date: Tue, 02 Jun 2026 19:22:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-04 20:44:18.343537
• Title: Selecting haptic guidance models in teleoperation: guidelines from a comparative user study
• Title（参考訳）: 遠隔操作における触覚誘導モデルの選択--比較ユーザスタディからのガイドライン
• Authors: Alexis Boulay, Margot Vulliez, David Daney,
• Abstract要約: 遠隔操作におけるハプティックガイダンスは、力フィードバックを通じてオペレータのパフォーマンスを向上させる。 本稿では,タスク,環境,操作者を考慮した最も適切なモデルを選択するためのガイドラインを提案する。
• 参考スコア（独自算出の注目度）: 3.8233569758620054
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Haptic guidance in teleoperation enhances operator performance through force feedback. This paper presents guidelines to select the most appropriate model considering the task, the environment and the operator. We define a unified formulation expressing most common models (spring-damper, potential field, and guiding tube) as variations of a stiffness-damping system with model-specific guiding functions. We conducted a user study comparing the three classical models across six scenarios with varying environmental conditions in a vertical farming task. Results show no universally superior model: spring-damper excels in cluttered environments, potential field in free spaces (but it shows risks near obstacles), and guiding tube offers a balanced compromise. We propose novel objective metrics to evaluate the interaction, and show that guiding force magnitude correlates with comfort and trust scores. These findings provide practical model selection guidelines through environmental characteristics and real-time evaluation metrics.
• Abstract（参考訳）: 遠隔操作におけるハプティックガイダンスは、力フィードバックを通じてオペレータのパフォーマンスを向上させる。 本稿では,タスク,環境,操作者を考慮した最も適切なモデルを選択するためのガイドラインを提案する。 モデル固有の誘導関数を持つ剛性減衰系の変種として、最も一般的なモデル(スプリング・ダンパー、電位場、誘導管)を統一した定式化を定義する。 本研究では,垂直農業作業における環境条件の異なる6つのシナリオを対象とした3つの古典モデルの比較を行った。 スプーンダッパーは、散らばった環境でのエフェクト、自由空間におけるポテンシャル場(しかし、障害物に近いリスクを示す)、誘導管はバランスの取れた妥協を与える。 相互作用を評価するための新しい客観的指標を提案し, 導出力の大きさは, 快適度と信頼度と相関していることを示す。 これらの結果は,環境特性とリアルタイム評価指標を通じて,実用的なモデル選択ガイドラインを提供する。

関連論文リスト

• Optimizing In-Context Demonstrations for LLM-based Automated Grading [31.353360036776976]
  GUIDE(Grading Using Iteratively Designed Exemplars)は、経験的選択と改善を境界中心の最適化問題として再設計するフレームワークである。 物理, 化学, 教育的内容知識の実験において, GUIDE は標準的検索基準を著しく上回っていることを示す。
  論文  参考訳（メタデータ） (2026-02-28T04:52:38Z)
• AgentNoiseBench: Benchmarking Robustness of Tool-Using LLM Agents Under Noisy Condition [72.24180896265192]
  本稿では,騒音環境下でのエージェントモデルのロバスト性を評価するためのフレームワークであるAgentNoiseBenchを紹介する。 まず、実世界のシナリオにおけるバイアスと不確実性の詳細な分析を行う。 次に,環境騒音をユーザノイズとツールノイズの2つの主要なタイプに分類する。 この分析に基づいて,既存のエージェント中心ベンチマークに制御可能なノイズを注入する自動パイプラインを開発した。
  論文  参考訳（メタデータ） (2026-02-11T20:33:10Z)
• Stochastic Encodings for Active Feature Acquisition [100.47043816019888]
  Active Feature Acquisitionは、インスタンスワイドでシーケンシャルな意思決定問題である。 目的は、テストインスタンスごとに独立して、現在の観測に基づいて計測する機能を動的に選択することである。 一般的なアプローチは強化学習(Reinforcement Learning)であり、トレーニングの困難を経験する。 我々は、教師付きで訓練された潜在変数モデルを導入し、潜在空間における観測不能な実現の可能性の多くにまたがる特徴を推論することで獲得する。
  論文  参考訳（メタデータ） (2025-08-03T23:48:46Z)
• Evaluating Generalization and Representation Stability in Small LMs via Prompting, Fine-Tuning and Out-of-Distribution Prompts [2.377892000761193]
  本稿では,小型言語モデルの2つの適応パラダイムに基づく一般化能力について検討する。 本研究は,小モデルが適応戦略の異なる知識を内在化し,一般化する過程において,重要な違いを呈するものである。
  論文  参考訳（メタデータ） (2025-06-16T01:44:26Z)
• Cognitive Evolutionary Learning to Select Feature Interactions for Recommender Systems [59.117526206317116]
  Cellはさまざまなタスクやデータに対して,さまざまなモデルに適応的に進化可能であることを示す。 4つの実世界のデータセットの実験では、細胞は最先端のベースラインを大幅に上回っている。
  論文  参考訳（メタデータ） (2024-05-29T02:35:23Z)
• CRITERIA: a New Benchmarking Paradigm for Evaluating Trajectory Prediction Models for Autonomous Driving [6.868387710209245]
  我々は,新しいbenChmarking paRadIgmをTrijEctoRy予測手法(CRITERIA)として提案する。 提案したベンチマークにより,より正確なモデルランキングを作成でき,それらの振る舞いを特徴づける手段として機能することを示す。
  論文  参考訳（メタデータ） (2023-10-11T18:28:15Z)
• Counterfactual Vision-and-Language Navigation via Adversarial Path Sampling [65.99956848461915]
  VLN(Vision-and-Language Navigation)は、エージェントが目標を達成するために3D環境を移動する方法を決定するタスクである。 VLNタスクの問題点の1つは、対話型環境において、人間に注釈を付けた指示で十分なナビゲーションパスを収集することは困難であるため、データの不足である。 本稿では,低品質な拡張データではなく,効果的な条件を考慮可能な,対向駆動の反実的推論モデルを提案する。
  論文  参考訳（メタデータ） (2019-11-17T18:02:51Z)

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。