論文の概要: Toward Machine Risk Perception: Integrating Trust Calibration and Precursor-Based Risk Estimation for Humanoid

• arxiv url: http://arxiv.org/abs/2606.20748v1
• Date: Thu, 18 Jun 2026 00:04:02 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-06-23 11:15:02.057828
• Title: Toward Machine Risk Perception: Integrating Trust Calibration and Precursor-Based Risk Estimation for Humanoid
• Title（参考訳）: 機械的リスク認識に向けて:信頼の校正とヒューマノイドの事前リスク推定を統合する
• Authors: He Wen,
• Abstract要約: 本研究は, プロアクティブなヒューマノイドリスク認識を実現するための, 前駆者主導の信頼校正フレームワークを提案する。 信頼は推定された事故確率の逆で定義され、ヒューマノイドはリアルタイムで行動に適応することができる。 その結果,産業5.0環境におけるリスク認識と信頼性の高い人間ロボットコラボレーションの基礎が確立された。
• 参考スコア（独自算出の注目度）: 2.3816560754483658
• License:
• Abstract: Humanoid robots are emerging as co-workers in smart manufacturing, yet their dynamic, human-like movements introduce safety risks that differ fundamentally from those of fixed or wheeled robots. Conventional safety paradigms based on reactive force or distance limits fail to capture the sequential, uncertain nature of humanoid failures. This study proposes a precursor-driven, trust-calibrated framework to enable proactive humanoid risk perception. Accident evolution is modeled through sequential precursor cues using a Logistic-Exponential (LE) formulation that couples logistic escalation from diverse precursors with exponential decay for temporal dissipation. Trust is defined as the inverse of the estimated accident probability, allowing humanoids to adapt behavior in real time, reducing aggressiveness when risk intensifies, and restoring confidence as stability returns. A multi-source dataset of 126 documented events and 241 precursors revealed twelve dominant accident modes, most evolving through overlapping cues within one second. A simulated case study ("fall-onto-human") demonstrated how the LE-Trust coupling can trigger early intervention and prevent collapse. The results advance humanoid safety from static thresholds toward dynamic, evidence-based inference, establishing a foundation for risk-aware and trustworthy human-robot collaboration in Industry 5.0 environments.
• Abstract（参考訳）: スマートマニュファクチャリングの同僚としてヒューマノイドロボットが登場しているが、そのダイナミックな人間のような動きは、固定されたロボットや車輪付きのロボットと根本的に異なる安全性のリスクをもたらす。 反応力や距離制限に基づく従来の安全パラダイムは、ヒューマノイドの失敗の逐次的で不確実な性質を捉えることができない。 本研究は, プロアクティブなヒューマノイドリスク認識を実現するための, 前駆者主導の信頼校正フレームワークを提案する。 事故進化は、多種多様な前駆体からのロジスティックエスカレーションと時間的消散のための指数的減衰とを結合するロジスティック・指数(LE)の定式化を用いて、シーケンシャル前駆体をモデル化する。 信頼は推定された事故確率の逆として定義され、ヒューマノイドはリアルタイムで行動に適応し、リスクが増加すると攻撃性を低下させ、安定性が戻るにつれて信頼を回復させる。 126件のイベントと241件の前駆者のマルチソースデータセットから、12件の事故モードが明らかになった。 シミュレーションされたケーススタディ(「フォール・オン・トゥ・ヒューマン」)は、LE-トラストカップリングが早期の介入を誘発し、崩壊を防ぐ方法を実証した。 その結果、静的なしきい値から、ダイナミックでエビデンスに基づく推論へとヒューマノイドの安全性を向上させ、産業5.0環境におけるリスク認識と信頼性の高い人間ロボットコラボレーションの基礎を確立した。

関連論文リスト

• ADAPT: Analytical Disturbance-Aware Policy Training for Humanoid Locomotion [21.269965799228576]
  ADAPT(Analytical disturbance-Aware Policy Training)は、人型政策を物理的に根拠のある外乱オブザーバーに装備する枠組みである。 ADAPTは、力/トルクセンサーを必要とせずに、ロボットのダイナミックスを使って、オンラインで残留力/トルクを推定する。
  論文  参考訳（メタデータ） (2026-06-15T10:47:18Z)
• Joint Prediction of Human Motions and Actions in Human-Robot Collaboration [81.20389836121502]
  我々は,人間の行動と行動の共役推定と予測のための階層的枠組みであるtextsfMA-HERPを紹介した。 本研究では, 筋骨格シミュレーションを用いて, 騒音下での正確な動き予測と頑健な動作推定を示す予備的な実験評価を行った。
  論文  参考訳（メタデータ） (2026-04-03T14:40:07Z)
• RiskProp: Collision-Anchored Self-Supervised Risk Propagation for Early Accident Anticipation [16.390547433087185]
  事故予測は、ダッシュカムビデオからの差し迫った衝突を予測し、早期警報を発生させることを目的としている。 既存の手法は、手動で注釈付けされた「アノマリー・オンセット」フレームによるバイナリ・インスペクションに依存している。 本稿では,早期の事故予測のための自己監督型リスク伝搬パラダイムであるリスクプロップを提案する。
  論文  参考訳（メタデータ） (2026-03-28T07:04:16Z)
• NuHF Claw: A Risk Constrained Cognitive Agent Framework for Human Centered Procedure Support in Digital Nuclear Control Rooms [5.422759428026345]
  本研究は,デジタル原子力事業におけるリスク管理型人間中心自律性を実現する,持続的認知リスクエージェントフレームワークであるNuHF Clawを提案する。 その中核となる方法論的革新は、リスク制約されたエージェントランタイムの導入であり、これは認知状態の推測と確率論的安全性の評価とを密に結合している。 結果は、自動化駆動運転から認知認識自律への根本的なシフトを強調し、次世代の核制御環境へのインテリジェントエージェントの安全な統合のための原則化された経路を提供する。
  論文  参考訳（メタデータ） (2026-03-23T07:47:42Z)
• Multimodal Belief-Space Covariance Steering with Active Probing and Influence for Interactive Driving [14.159772216001954]
  我々は、粗い離散意図と微妙な動きモードにまたがって人間の行動を構造化する階層的信念モデルを導入する。 人間の予測におけるマルチモーダルなあいまいさが安全を損なう可能性があることを識別するアクティブな探索戦略を開発する。 最後に、Conditional Value-at-Riskに基づく実行時リスク評価レイヤは、すべての調査アクションが影響の間、人間のリスク許容範囲内に留まることを保証します。
  論文  参考訳（メタデータ） (2026-02-16T08:04:16Z)
• The Devil Behind Moltbook: Anthropic Safety is Always Vanishing in Self-Evolving AI Societies [57.387081435669835]
  大規模言語モデルから構築されたマルチエージェントシステムは、スケーラブルな集合知性と自己進化のための有望なパラダイムを提供する。 エージェント社会が継続的自己進化、完全隔離、安全性の不変性を満たすことは不可能であることを示す。 我々は、特定された安全上の懸念を軽減するために、いくつかの解決方法を提案する。
  論文  参考訳（メタデータ） (2026-02-10T15:18:19Z)
• Your Agent May Misevolve: Emergent Risks in Self-evolving LLM Agents [58.69865074060139]
  エージェントの自己進化が意図しない方法で逸脱し、望ましくない結果や有害な結果に至る場合について検討する。 我々の経験から、誤進化は広範囲にわたるリスクであり、最上位のLSM上に構築されたエージェントにも影響を及ぼすことが判明した。 我々は、より安全で信頼性の高い自己進化型エージェントを構築するためのさらなる研究を促すための潜在的な緩和戦略について議論する。
  論文  参考訳（メタデータ） (2025-09-30T14:55:55Z)
• Empirical Estimates on Hand Manipulation are Recoverable: A Step Towards Individualized and Explainable Robotic Support in Everyday Activities [80.37857025201036]
  ロボットシステムの鍵となる課題は、他のエージェントの振る舞いを理解することである。 正しい推論の処理は、(衝突)因子が実験的に制御されない場合、特に困難である。 人に関する観察研究を行うために必要なツールをロボットに装備することを提案する。
  論文  参考訳（メタデータ） (2022-01-27T22:15:56Z)
• Two steps to risk sensitivity [4.974890682815778]
  条件付きバリュー・アット・リスク(CVaR)は、人間と動物の計画のモデル化のためのリスク尺度である。 CVaRに対する従来の分布的アプローチを逐次的に導入し、人間の意思決定者の選択を再分析する。 次に,リスク感度,すなわち時間的整合性,さらに重要な特性について考察し,CVaRの代替案を示す。
  論文  参考訳（メタデータ） (2021-11-12T16:27:47Z)
• Risk-Sensitive Sequential Action Control with Multi-Modal Human Trajectory Forecasting for Safe Crowd-Robot Interaction [55.569050872780224]
  本稿では,リスクに敏感な最適制御に基づく安全な群集ロボットインタラクションのためのオンラインフレームワークを提案し,そのリスクをエントロピーリスク尺度でモデル化する。 私たちのモジュラーアプローチは、クラウドとロボットの相互作用を学習ベースの予測とモデルベースの制御に分離します。 シミュレーション研究と実世界の実験により、このフレームワークは、現場にいる50人以上の人間との衝突を避けながら、安全で効率的なナビゲーションを実現することができることが示された。
  論文  参考訳（メタデータ） (2020-09-12T02:02:52Z)

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。