Fugu-MT 論文翻訳(概要): ARTOO-DARTU: Studying AR-HRC With AR Obstruction Mitigation During a Warehouse Task

論文の概要: ARTOO-DARTU: Studying AR-HRC With AR Obstruction Mitigation During a Warehouse Task

arxiv url: http://arxiv.org/abs/2606.25202v1
Date: Tue, 23 Jun 2026 21:48:49 GMT
ステータス: 翻訳完了
システム内更新日: 2026-06-25 17:05:30.160313
Title: ARTOO-DARTU: Studying AR-HRC With AR Obstruction Mitigation During a Warehouse Task
Title（参考訳）: Arto-DARTU:ArtOO-DARTUにおけるAR-HRCの研究
Authors: Christian Fronk, Hanting Ye, Zhehan Qu, Maria Gorlatova,
Abstract要約: ユーザのためのロボットチーム(ARTOO-DARTU)を支援しながら、障害物回避のための拡張現実技術の導入について紹介する。 ARTOO-DARTUは、障害物検出・緩和パイプライン(ODM)を通して現実世界の視認性を維持しつつ、リアルタイムロボットの位置分析と制御を可能にするユーザスタディでは、設計したAR位置分析により、全体のHRCタスクにおいて46%の効率向上が得られたが、ODMがアクティブになったときのみに限られていた。
参考スコア（独自算出の注目度）: 5.280137800241411
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Human-robot collaboration (HRC) often requires robot intentions and internal states to be conveyed to users for task efficiency and safety. Recently, augmented reality (AR) situated analytics provide such real-time robot feedback in HRC contexts. However, AR situated analytics can obstruct important real-world elements, posing safety and usability risks, especially when content is dynamically positioned relative to movements of mobile robots in a warehouse HRC scenario. In this paper, we introduce the Augmented Reality Technique Of Obstruction Deterrence while Aiding Robotic Teaming for Users (ARTOO-DARTU), an AR system tailored specifically for warehouse HRC that enables real-time robot situated analytics and control while preserving visibility of the real world through an obstruction detection and mitigation pipeline (ODM) that is uniquely suited for AR-HRC. To evaluate ARTOO-DARTU, we developed Pocket MonstARs, a controlled gamified abstraction of HRC warehouse inventory picking in which virtual monsters serve as proxies for pick targets, while labeled and object-marked boxes preserve the real-world identification demands of the picking task. In a 34-participant user study, we found that our designed AR situated analytics yielded a 46% increase in efficiency on the overall HRC task, but only when the ODM was active. Participants with the ODM active were also 61% faster on subtasks requiring visibility of the real world. Our findings demonstrate that, when paired with our developed ODM to prevent real-world obstructions, the situated analytics in ARTOO-DARTU can significantly enhance efficiency and user experience in AR-HRC warehouse scenarios.
Abstract（参考訳）: ヒューマンロボットコラボレーション(HRC)はしばしば、タスク効率と安全性のために、ロボットの意図と内部状態をユーザーに伝達する必要がある。近年、拡張現実(AR)位置分析は、リアルタイムロボットのフィードバックをHRCの文脈で提供する。しかし、AR位置分析は、特に倉庫のHRCシナリオにおける移動ロボットの動きに対して、コンテンツが動的に位置決めされている場合に、安全性とユーザビリティのリスクを生じる、重要な現実世界の要素を妨害することができる。本稿では,Augmented Reality Technique of Obstruction Deterrence during Aiding Robotic Teaming for Users (ARTOO-DARTU)を紹介し,AR-HRCに特有な障害物検出・緩和パイプライン(ODM)を通して現実世界の視認性を維持しつつ,リアルタイムロボット位置分析と制御を可能にする倉庫用ARシステムについて述べる。 ARTOO-DARTUを評価するためにPocket MonstARsを開発した。これは、仮想モンスターがピックターゲットのプロキシとして機能し、ラベル付きおよびオブジェクトマーク付きボックスがピッキングタスクの現実的な識別要求を守りながら、仮想モンスターがピッキングターゲットのプロキシとして機能する、HRC倉庫在庫の制御ギャミファイド抽象化である。 34名を対象にしたユーザスタディにおいて、設計したAR位置分析により、HRCタスク全体において効率が46%向上したが、ODMがアクティブになったときのみ、効率が向上することが判明した。 ODMのアクティブな参加者も、現実世界の視認を必要とするサブタスクでは61%速くなった。この結果から, ARTOO-DARTUにおける位置解析は, 現実の障害物を防ぐために開発したODMと組み合わせることで, AR-HRC倉庫における効率とユーザエクスペリエンスを著しく向上させることができることがわかった。

関連論文リスト

RC-NF: Robot-Conditioned Normalizing Flow for Real-Time Anomaly Detection in Robotic Manipulation [68.7948300643741]
ロボットの異常検出と介入をリアルタイムに監視するロボット・コンディションド・ノーマライゼーション・フロー(RC-NF)を提案する。 RC-NFは、正規化フロー内のタスク認識ロボットとオブジェクト状態の処理を分離する。従来のロボットタスクの監視方法と比較して、あらゆる異常なタイプで最先端のパフォーマンスを実現している。
論文参考訳（メタデータ） (2026-03-11T10:14:37Z)
DR-Arena: an Automated Evaluation Framework for Deep Research Agents [35.99095633093855]
大規模言語モデル(LLM)は、自律的な調査と情報合成が可能なディープリサーチ(DR)エージェントとしてますます運用されている。現在のベンチマークは主に静的データセットに依存しており、タスクの汎用性、時間的ミスアライメント、データ汚染に悩まされている。本稿では,DRエージェントを動的調査により能力限界まで押し上げる完全自動評価フレームワークであるDR-Arenaを紹介する。
論文参考訳（メタデータ） (2026-01-15T15:28:21Z)
SLAC: Simulation-Pretrained Latent Action Space for Whole-Body Real-World RL [41.254970515368335]
有能な家庭用・産業用ロボットの構築には、移動マニピュレータのような多目的で自由度の高いシステム(DoF)の制御を習得する必要がある。強化学習は、自律的なロボット制御ポリシーの獲得を約束するが、それをハイDoFに拡張することは依然として難しい。本稿では,現実のRLを複雑な具体化のためにレンダリングするSLACを紹介する。
論文参考訳（メタデータ） (2025-06-04T16:41:55Z)
FieldWorkArena: Agentic AI Benchmark for Real Field Work Tasks [52.47895046206854]
FieldWorkArenaは、現実世界のフィールドワークをターゲットにしたエージェントAIのベンチマークである。本稿では、エージェントAIが現実世界の作業環境ベンチマークのために持つべき新しいアクション空間を定義する。
論文参考訳（メタデータ） (2025-05-26T08:21:46Z)
A Multi-Agent Reinforcement Learning Approach for Cooperative Air-Ground-Human Crowdsensing in Emergency Rescue [22.201769922727077]
本稿では,ヒト,UAV,UGVを考慮し,不均一な協調作業割当問題に対処する。我々は,UGVが低電池UAVのチャージを優先し,検知タスクを遂行する,新しい「ハード・コラボレーティブ」政策を導入する。本稿では,分散実行アーキテクチャに基づく新しいマルチエージェント強化学習アルゴリズムであるHECTA4ERを提案する。
論文参考訳（メタデータ） (2025-05-11T14:49:15Z)
Relevance for Human Robot Collaboration [12.86974144498672]
本稿では,人間ロボットコラボレーション(HRC)のための新しい次元削減プロセスであるrelevanceを紹介する。提案手法は,連続的に動作する知覚モジュールを組み込み,シーン内のキュー十分性を評価し,フレキシブルな定式化と計算の枠組みを適用する。シミュレーションの結果,一般のHRCセットアップの妥当性を正確に予測する枠組みと方法論が示された。
論文参考訳（メタデータ） (2024-09-12T04:57:34Z)
Care3D: An Active 3D Object Detection Dataset of Real Robotic-Care Environments [52.425280825457385]
本稿では,実環境の注釈付きデータセットを紹介する。捕獲された環境は、ロボット医療研究の分野ですでに使われている領域を表している。また,医療ロボット上で直接動作するSLAMアルゴリズムを評価するために,一室で真実データを提供する。
論文参考訳（メタデータ） (2023-10-09T10:35:37Z)
Rethinking Drone-Based Search and Rescue with Aerial Person Detection [79.76669658740902]
航空ドローンの映像の視覚検査は、現在土地捜索救助(SAR)活動に不可欠な部分である。本稿では,この空中人物検出(APD)タスクを自動化するための新しいディープラーニングアルゴリズムを提案する。本稿では,Aerial Inspection RetinaNet (AIR) アルゴリズムについて述べる。
論文参考訳（メタデータ） (2021-11-17T21:48:31Z)
Accelerating Robotic Reinforcement Learning via Parameterized Action Primitives [92.0321404272942]
強化学習は汎用ロボットシステムの構築に使用することができる。しかし、ロボット工学の課題を解決するためにRLエージェントを訓練することは依然として困難である。本研究では,ロボット行動プリミティブ(RAPS)のライブラリを手動で指定し,RLポリシーで学習した引数をパラメータ化する。動作インターフェースへの簡単な変更は、学習効率とタスクパフォーマンスの両方を大幅に改善する。
論文参考訳（メタデータ） (2021-10-28T17:59:30Z)

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。