論文の概要: Improving Human-Robot Teamwork in Urban Search and Rescue Through Episodic Memory of Prior Collaboration

• arxiv url: http://arxiv.org/abs/2606.18836v1
• Date: Wed, 17 Jun 2026 09:10:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-18 17:16:51.080464
• Title: Improving Human-Robot Teamwork in Urban Search and Rescue Through Episodic Memory of Prior Collaboration
• Title（参考訳）: 先行コラボレーションのエピソード記憶による都市検索・救助における人間-ロボット共同作業の改善
• Authors: Taewoon Kim, Emma van Zoelen, Mark Neerincx,
• Abstract要約: ロボットがそのようなチーム体験を利用して、将来の対話においてより良いチームメイトになれるかどうかを考察する。 20人以上の参加者と160人のラウンドレベルの観察を行い、自動的に選択されたCPでロボットを初期化することで、救助の成功率は25.7%から41.3%に増加した。 相互作用の始まりに最強の利得が現れ、再利用可能なエピソードメモリは、ロボットがより効果的なタスク知識で協調に入るのに役立つことを示唆している。
• 参考スコア（独自算出の注目度）: 0.4254028433108566
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Effective human-robot teamwork requires robots to adapt to partners, situations, and task dynamics from the start of an interaction. In the MATRX Urban Search and Rescue (USAR) environment, people can externalize collaboration patterns (CPs) they discover during teamwork through a chat and reflection interface. We study whether a robot can use such prior team experience to become a better teammate in future interactions. To this end, we represent historical CPs as knowledge-graph episodic memories and use graph representation learning with a node-classification objective to identify a representative and effective memory for reuse. We then initialize the robot with this memory before a new collaboration episode begins. Across 20 participants and 160 round-level observations, initializing the robot with a single automatically selected prior CP increases rescue success from 25.7% to 41.3% and reduces average task time by 283 seconds. The strongest gains appear at the beginning of interaction, suggesting that reusable episodic memory can help robots enter collaboration with more effective task knowledge and support smoother early teamwork.
• Abstract（参考訳）: 効果的なロボットチームワークは、対話の開始からパートナー、状況、タスクのダイナミクスに適応するためにロボットを必要とする。 MATRX Urban Search and Rescue (USAR)環境では、チャットとリフレクションインターフェースを通じてチームワーク中に発見したコラボレーションパターン(CP)を外部化することができる。 ロボットがそのようなチーム体験を利用して、将来の対話においてより良いチームメイトになれるかどうかを考察する。 この目的のために,過去のCPを知識グラフのエピソード記憶として表現し,ノード分類の対象としたグラフ表現学習を用いて,代表的で効果的なメモリの再利用を図っている。 そして、新しいコラボレーションエピソードが始まる前に、このメモリでロボットを初期化する。 20人以上の参加者と160人のラウンドレベルの観察を行い、自動的に選択された先行CPでロボットを初期化すると、救助成功率は25.7%から41.3%に増加し、平均作業時間を283秒短縮する。 相互作用の始まりに最強の利益が現れ、再利用可能なエピソードメモリは、ロボットがより効果的なタスク知識と協力し、よりスムーズな初期のチームワークをサポートするのに役立つことを示唆している。

関連論文リスト

• Seeing Together: Multi-Robot Cooperative Egocentric Spatial Reasoning with Multimodal Large Language Models [76.29781698910202]
  本研究では, きめ細かい協調的空間推論のための枠組みを提案する。 SP-CoRは、動的に認識されるマルチロボットフレームサンプリング、スペクトルおよび物理誘導型ビューフュージョン、および物理に整合した即時蒸留を組み合わせた。 ハビタットでは+3.87%、iGibsonでは+7.12%、微調整ベースラインでは+3.87%である。
  論文  参考訳（メタデータ） (2026-05-18T14:04:26Z)
• ProVox: Personalization and Proactive Planning for Situated Human-Robot Collaboration [28.29030844693482]
  協調型ロボットは、パートナーの意図や好みに迅速に適応し、積極的に有用な行動を特定する必要がある。 ProVoxは、ロボットが個人の協力者に効率よくパーソナライズし、適応できる新しいフレームワークである。 分析の結果,メタプロンプトとプロアクティブの両方が重要であり,タスク完了時間が38.7%,ユーザ負担が31.9%減少した。
  論文  参考訳（メタデータ） (2025-06-13T21:50:10Z)
• HOI4ABOT: Human-Object Interaction Anticipation for Human Intention Reading Collaborative roBOTs [9.806227900768926]
  協調ロボットのためのヒューマン・オブジェクト・インタラクション(HOI)予測フレームワークを提案する。 本稿では,ビデオからHOIを検出し,予測するための,効率的かつ堅牢なトランスフォーマーベースモデルを提案する。 我々のモデルは、VidHOIデータセットにおけるHOI検出と予測の最先端結果よりも優れています。
  論文  参考訳（メタデータ） (2023-09-28T15:34:49Z)
• Self-Improving Robots: End-to-End Autonomous Visuomotor Reinforcement Learning [54.636562516974884]
  模倣と強化学習において、人間の監督コストは、ロボットが訓練できるデータの量を制限する。 本研究では,自己改善型ロボットシステムのための新しい設計手法であるMEDAL++を提案する。 ロボットは、タスクの実施と解除の両方を学ぶことで、自律的にタスクを練習し、同時にデモンストレーションから報酬関数を推論する。
  論文  参考訳（メタデータ） (2023-03-02T18:51:38Z)
• Lifelong Robotic Reinforcement Learning by Retaining Experiences [61.79346922421323]
  多くのマルチタスク強化学習は、ロボットが常にすべてのタスクからデータを収集できると仮定している。 本研究では,物理ロボットシステムの実用的制約を動機として,現実的なマルチタスクRL問題について検討する。 我々は、ロボットのスキルセットを累積的に成長させるために、過去のタスクで学んだデータとポリシーを効果的に活用するアプローチを導出する。
  論文  参考訳（メタデータ） (2021-09-19T18:00:51Z)
• 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)
• Joint Mind Modeling for Explanation Generation in Complex Human-Robot Collaborative Tasks [83.37025218216888]
  本稿では,人間とロボットのコラボレーションにおいて,人間のようなコミュニケーションを実現するための新しい説明可能なAI(XAI)フレームワークを提案する。 ロボットは、人間のユーザの階層的なマインドモデルを構築し、コミュニケーションの一形態として自身のマインドの説明を生成する。 その結果,提案手法はロボットの協調動作性能とユーザ認識を著しく向上させることがわかった。
  論文  参考訳（メタデータ） (2020-07-24T23:35:03Z)
• Human-Robot Team Coordination with Dynamic and Latent Human Task Proficiencies: Scheduling with Learning Curves [0.0]
  ロボットが人間のチームメイトの相対的な強みと学習能力を探索できる新しい資源調整手法を提案する。 我々は、最新の個人労働者の熟練度を発見しながら、頑健なスケジュールを作成し、評価する。 その結果,人間とロボットのコラボレーションには,探索に有利なスケジューリング戦略が有用であることが示唆された。
  論文  参考訳（メタデータ） (2020-07-03T19:44:22Z)

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。