論文の概要: Beyond Failure Recovery: An Engagement-Aware Human-in-the-loop Framework for Robotic Systems

• arxiv url: http://arxiv.org/abs/2606.18189v1
• Date: Tue, 16 Jun 2026 17:21:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-17 17:15:32.571544
• Title: Beyond Failure Recovery: An Engagement-Aware Human-in-the-loop Framework for Robotic Systems
• Title（参考訳）: 障害復旧を超えて - ロボットシステムのためのエンゲージメントを意識したヒューマン・イン・ザ・ループ・フレームワーク
• Authors: Jiaying Fang, Joyce Yang, Zhanxin Wu, Bohan Yang, Tapomayukh Bhattacharjee,
• Abstract要約: 多くの人間中心のロボティクス設定では、インタラクションはユーザーを意思決定に巻き込むことによってエンゲージメントをサポートするべきである。 身体的な介護において、移動能力の制限は、瞬間にロボットの動作を介入または調整する能力を減らすことができる。 本稿では,作業負荷の制約を尊重しながら,エンゲージメントを意識したMPC(E-MPC)を提案する。
• 参考スコア（独自算出の注目度）: 2.4077530504640205
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Conventional human-in-the-loop approaches typically involve users only when a robot encounters failure or uncertainty, treating humans primarily as tools for improving robot performance. However, in many human-centered robotics settings, interaction should support engagement by keeping users involved in decision-making rather than limiting them to failure-driven interventions. This is particularly compelling in physical caregiving, where mobility limitations can reduce users' ability to intervene or modulate the robot's behavior in the moment. As a result, failure-driven interaction policies may relegate users to passive observers for long stretches of the task. For example, a user with mobility limitations may feel less engaged when being continuously and passively fed by a robot. At the same time, overly frequent interaction can be tiring and increase the user's workload. To address this trade-off, we propose Engagement-aware MPC (E-MPC), a user-engagement-aware method that plans interaction to maintain engagement while respecting a workload constraint. E-MPC leverages a user interaction dynamics model that captures how user engagement evolves as a function of both the frequency and type of interaction. Rather than requesting input only when difficulties arise during task execution, the robot proactively considers the user's preferred level of engagement throughout the task, balancing autonomy and interaction while ensuring task success. We evaluate E-MPC in simulation with several ablations and baseline comparisons. Results demonstrate the effectiveness of our approach across diverse user personas. In addition, we conduct a real-world user study with participants with emulated mobility limitations on a robot-assisted bite acquisition system, showing that E-MPC improves user experience while maintaining task success.
• Abstract（参考訳）: 従来のHuman-in-the-loopアプローチでは、ロボットが障害や不確実性に直面した場合にのみユーザを巻き込み、主にロボットのパフォーマンスを改善するためのツールとして扱う。 しかしながら、多くの人間中心のロボティクス設定では、インタラクションは、ユーザを障害駆動の介入に制限するのではなく、意思決定に関わり続けることによって、エンゲージメントをサポートするべきである。 これは、移動能力の制限により、ロボットの動作を瞬間的に介入したり、調整したりする能力が低下する、物理的介護において特に魅力的である。 結果として、障害駆動型インタラクションポリシは、タスクの長期にわたって、ユーザを受動的オブザーバに還元する可能性がある。 例えば、移動能力の制限のあるユーザーは、ロボットに継続的に受動的に給餌されるときに、エンゲージメントが低下する可能性がある。 同時に、頻繁なインタラクションがタイリングされ、ユーザのワークロードが増加します。 このトレードオフに対処するため,ワークロードの制約を尊重しながらエンゲージメント・アウェア・MPC(E-MPC)を提案する。 E-MPCはユーザインタラクションのダイナミックスモデルを利用して、ユーザのエンゲージメントが、頻度とタイプの両方のインタラクションの関数としてどのように進化するかをキャプチャする。 ロボットは、タスク実行中に困難が発生した場合にのみ入力を要求するのではなく、タスク全体を通してユーザの望ましいエンゲージメントレベルを積極的に考慮し、タスクの成功を確実にしながら自律性と相互作用のバランスをとる。 シミュレーションにおけるE-MPCの評価を,いくつかの改善点とベースライン比較を用いて行った。 その結果,多様なユーザ・ペルソナにまたがるアプローチの有効性が示された。 さらに,ロボットによる噛み取りシステムにおいて,移動制限を模擬した参加者と実世界のユーザスタディを行い,タスクの成功を維持しながら,E-MPCがユーザエクスペリエンスを向上させることを示す。

関連論文リスト

• A Replicable Robotics Awareness Method Using LLM-Enabled Robotics Interaction: Evidence from a Corporate Challenge [0.0]
  本稿では,大規模言語モデルを用いたロボット認識のための課題ベース手法を紹介し,評価する。 このロボットは、アラブ首長国連邦のADポーツ・グループの従業員が実施したLLM対応のヒューマノイドロボットによって実現された。 このアクティビティは、AIと人間とロボットのコラボレーションを具体化する参加者を公開するための、チームベースのロール駆動エクスペリエンスとして設計された。
  論文  参考訳（メタデータ） (2026-04-23T07:45:17Z)
• ExpressMM: Expressive Mobile Manipulation Behaviors in Human-Robot Interactions [3.7698603952231777]
  我々は,人間とロボットの相互作用において,表現力のあるロボット行動を生成するための新しいExpressMMフレームワークを開発した。 協調組立シナリオにおいて,人間を支援する移動マニピュレータ上でExpressMMを実演する。 その結果,ExpressMMによる表現行動は,ロボットの行動や意図を明確に解釈するのに役立つことがわかった。
  論文  参考訳（メタデータ） (2026-04-07T01:46:55Z)
• Uncertainty Aware-Predictive Control Barrier Functions: Safer Human Robot Interaction through Probabilistic Motion Forecasting [13.020006323600251]
  不確かさを意識した予測制御バリア関数は、制御バリア関数の正式な安全性を保証することで、確率的手の動き予測を融合させる。 UA-PCBFは、将来の人間の状態をより深く理解した協力型ロボットに力を与える。 最先端のHRIアーキテクチャとは対照的に、UA-PCBFはタスククリティカルなメトリクスでより良いパフォーマンスを示す。
  論文  参考訳（メタデータ） (2025-08-28T14:11:26Z)
• Recognizing Actions from Robotic View for Natural Human-Robot Interaction [52.00935005918032]
  自然人-ロボットインタラクション(Natural Human-Robot Interaction, N-HRI)は、ロボット自身が動いているか静止しているかに関わらず、ロボットが様々な距離と状態で人間の行動を認識することを要求する。 N-HRIの既存のベンチマークは、限られたデータ、モダリティ、タスクカテゴリ、主題や環境の多様性のために、N-HRIのユニークな複雑さに対処できない。 モバイルサービスロボットで広く使われている知覚中心ロボットビューのための大規模データセット(Action from Robotic View)を紹介する。
  論文  参考訳（メタデータ） (2025-07-30T09:48:34Z)
• 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)
• HACTS: a Human-As-Copilot Teleoperation System for Robot Learning [47.9126187195398]
  HACTS(Human-As-Copilot Teleoperation System)は,ロボットアームと遠隔操作ハードウェアを双方向でリアルタイムに同期させるシステムである。 このシンプルで効果的なフィードバックメカニズムは、自動運転車のステアリングホイールに似たもので、人間の操縦士がシームレスに介入し、将来の学習のために行動補正データを収集することを可能にする。
  論文  参考訳（メタデータ） (2025-03-31T13:28:13Z)
• 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)
• A ROS Architecture for Personalised HRI with a Bartender Social Robot [61.843727637976045]
  BRILLOプロジェクトの目的は、自律的なロボットバーテンダーを作ることだ。 本稿では、異なる社会信号の処理を管理する知覚層と、多人数インタラクションを処理する意思決定層と、腕と顔からなる複雑なロボットの動作を制御する実行層を統合した3層ROSアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2022-03-13T11:33:06Z)
• 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。