論文の概要: A Multi-Operator Mixed-Reality Interface for Multi-Robot Control and Coordination: Co-Located and Private Workspace Collaboration

• arxiv url: http://arxiv.org/abs/2606.07013v1
• Date: Fri, 05 Jun 2026 07:55:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-08 14:33:29.628453
• Title: A Multi-Operator Mixed-Reality Interface for Multi-Robot Control and Coordination: Co-Located and Private Workspace Collaboration
• Title（参考訳）: マルチロボット制御と協調のためのマルチオペレータ混合現実インタフェース:協調作業空間とプライベート作業空間の協調
• Authors: Omotoye Shamsudeen Adekoya, Antonio Sgorbissa, Carmine Tommaso Recchiuto,
• Abstract要約: 本稿では,複数ロボットを協調的に操作するための複合現実感インタフェースを提案する。 このシステムは2つの補完モード、共有ワークスペースとプライベートワークスペースモードをサポートしている。 我々は,3台のNova Carter移動ロボットを制御した36名の被験者を対象に,人体実験でアプローチを評価した。
• 参考スコア（独自算出の注目度）: 5.161531917413708
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Multi-operator control of robot teams requires not only access to the same mission information, but also mechanisms for maintaining shared awareness and preventing conflicting interventions. Building on our previous HORUS interface (Holistic Operational Reality for Unified Systems) we present a mixed-reality interface that extends single-operator multi-robot supervision to collaborative multi-operator use. The system supports two complementary modes: a co-located shared workspace, in which operators observe and manipulate the same mini-map in the same physical location, and a private-workspace mode, in which operators work on the same mission through independently placed local workspaces. The architecture combines registration-driven scene construction, lightweight shared-session synchronization, and per-robot control leases to support collaborative monitoring, tasking, and teleoperation while preventing conflicting commands. We evaluated the approach in a human-subject study with 36 participants (18 pairs) controlling three Nova Carter mobile robots in two search environments. The performance of the objective task was comparable across the two modes, indicating that both modes supported effective mission execution. However, the co-located shared workspace significantly improved perceived collaboration, shared understanding, and handoff clarity, and was the preferred collaborative mode. These results indicate that physically co-locating the MR workspace improves how operators coordinate even when the underlying robot-control tools remain unchanged.
• Abstract（参考訳）: ロボットチームのマルチオペレータコントロールは、同じミッション情報にアクセスするだけでなく、共有された認識を維持し、競合する介入を防ぐメカニズムも必要である。 従来のHORUSインタフェース(Holistic Operational Reality for Unified Systems)上に構築した複合現実感インタフェースは,シングルオペレータによるマルチロボットの監視を,協調的なマルチオペレータの使用に拡張する。 このシステムは2つの補完モードをサポートしている: 共有ワークスペース - オペレータが同じ物理位置で同じミニマップを観察・操作するモードと、オペレータが独立して配置されたローカルワークスペースを通して同じミッションで作業するプライベートワークスペースモード。 このアーキテクチャは、登録駆動のシーン構築、軽量の共有セッション同期、ロボットごとの制御リースを組み合わせることで、競合するコマンドを防止しつつ、協調的な監視、タスク、遠隔操作をサポートする。 我々は,3台のNova Carter移動ロボットを2つの探索環境で制御する36人の被験者(18対)による人体実験において,そのアプローチを評価した。 目的タスクのパフォーマンスは2つのモードで比較可能であり、両方のモードが効果的なミッション実行をサポートすることを示している。 しかし、共有ワークスペースの共有は、認識されたコラボレーション、共有理解、ハンドオフの明確さを著しく改善し、コラボレーションモードが好まれていた。 これらの結果から,MRワークスペースを物理的に共同配置することで,基礎となるロボット制御ツールが変化しない場合でも,操作者のコーディネーションが向上することが示された。

関連論文リスト

• Improving the Efficiency of Language Agent Teams with Adaptive Task Graphs [52.26652574704317]
  大規模言語モデル(LLM)はますますチームにデプロイされているが、既存のコーディネーションアプローチは2つの極端な部分を占めることが多い。 本稿では,Language Agent Teams for Task Evolution (LATTE)を紹介した。
  論文  参考訳（メタデータ） (2026-05-07T14:19:17Z)
• SynAgent: Generalizable Cooperative Humanoid Manipulation via Solo-to-Cooperative Agent Synergy [59.86199649493784]
  制御可能な協調的ヒューマノイド操作は、インボディードインテリジェンスにとって根本的な問題である。 スケーラブルで物理的に妥当な協調操作を可能にするフレームワークであるSynAgentを提案する。 実験では、SynAgentは協調模倣と軌道条件制御の両方において既存のベースラインを著しく上回る。
  論文  参考訳（メタデータ） (2026-04-20T17:46:20Z)
• DeCoNav: Dialog enhanced Long-Horizon Collaborative Vision-Language Navigation [51.978605314711835]
  ロングホライゾン協調視覚言語ナビゲーション(Long-Horizon collaborative vision- language navigation, VLN)は、マルチロボットシステムにおいて、単一のエージェントの能力を超える複雑なタスクを達成するために重要である。 ダイアログを改良したLong-Horizon Collaborative Vision-Language Navigation (DeCoNav)を提案する。 DeCoNavは、イベントトリガーされた対話と動的タスク割り当てとリアルタイム適応調整のための再計画を結合する分散フレームワークである。
  論文  参考訳（メタデータ） (2026-04-14T09:11:55Z)
• HECTOR: Human-centric Hierarchical Coordination and Supervision of Robotic Fleets under Continual Temporal Tasks [7.155003467581939]
  本研究は,長期的かつ不確実な時間的課題下での大規模ロボット群を対象とした,人間中心の協調・監督スキーム(HECTOR)を提案する。 それは3つの階層的なレイヤで構成されている: (I) オンラインヒューマン・フリートインタラクションの双方向およびマルチモーダルプロトコルで、オペレーターが艦隊全体と対話し、監督する。
  論文  参考訳（メタデータ） (2026-04-13T01:39:19Z)
• CoEnv: Driving Embodied Multi-Agent Collaboration via Compositional Environment [54.84167973913561]
  CoEnvは、安全な戦略探索のためにシミュレーションを活用するフレームワークであり、信頼性の高い現実世界のデプロイメントを保証する。 CoEnvは、物理的なワークスペースをデジタル化するリアル・ツー・シムのシーン再構築、コードベースの軌道生成によるリアルタイム計画と安全な配置のための衝突検出によるシム・トゥ・リアル転送の両方をサポートするVLM駆動のアクション合成という3つの段階を経験している。
  論文  参考訳（メタデータ） (2026-04-07T06:24:41Z)
• TeamHOI: Learning a Unified Policy for Cooperative Human-Object Interactions with Any Team Size [54.0714652192002]
  物理に基づくヒューマノイド制御は、現実的でハイパフォーマンスな単一エージェントの動作を可能にするために顕著な進歩を遂げた。 我々は,複数の協力エージェント間で協調的なHOIを処理するための,単一の分散政策を実現するためのフレームワークであるTeamHOIを提案する。
  論文  参考訳（メタデータ） (2026-03-09T05:52:13Z)
• SayCoNav: Utilizing Large Language Models for Adaptive Collaboration in Decentralized Multi-Robot Navigation [10.877873071364148]
  ロボットチーム間での協調戦略を自動生成するために,大規模言語モデル(LLM)を活用する新しいアプローチであるSayCoNavを提案する。 我々は,SyCoNav on Multi-Object Navigation (MultiON) タスクを評価する。これはロボットのチームが,未知の環境で複数の異なる物体を効率的に探索するために,相補的な強みを利用する必要がある。
  論文  参考訳（メタデータ） (2025-05-19T20:58:06Z)
• Rethinking Bimanual Robotic Manipulation: Learning with Decoupled Interaction Framework [51.39847596489193]
  バイオマチックなロボット操作は、ロボティクスコミュニティにおいて、新しくて重要なトピックである。 本稿では,バイマニュアル操作における異なるタスクの特徴を考察した,疎結合なインタラクションフレームワークを提案する。 我々のフレームワークは,SOTA法よりも23.5%向上し,優れた性能を実現している。
  論文  参考訳（メタデータ） (2025-03-12T09:28:41Z)
• AdverSAR: Adversarial Search and Rescue via Multi-Agent Reinforcement Learning [4.843554492319537]
  本稿では,敵対的エージェント間コミュニケーションの存在下で,ロボットの戦略を効率的に調整するアルゴリズムを提案する。 ロボットは対象の場所について事前の知識を持っておらず、隣接するロボットのサブセットのみといつでも対話できると仮定される。 提案手法の有効性は, グリッドワールド環境のプロトタイプで実証した。
  論文  参考訳（メタデータ） (2022-12-20T08:13:29Z)
• Spatial Intention Maps for Multi-Agent Mobile Manipulation [30.016012417572707]
  視覚に基づく深層強化学習のための新しい意図表現である空間意図マップを提示する。 この表現では、各エージェントの意図は他のエージェントに提供され、視覚的観察と一致するオーバーヘッド2Dマップにレンダリングされます。 実験により,空間意図マップを組み込むことで,異なる移動操作タスクのパフォーマンスが向上し,協調行動が著しく向上することが示された。
  論文  参考訳（メタデータ） (2021-03-23T17:31:14Z)

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。