論文の概要: Embodiment Meets Environment: Toward Context-Aware, Safe Physical Caregiving Robots

• arxiv url: http://arxiv.org/abs/2606.28592v1
• Date: Fri, 26 Jun 2026 20:36:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-30 18:07:15.61484
• Title: Embodiment Meets Environment: Toward Context-Aware, Safe Physical Caregiving Robots
• Title（参考訳）: 環境に合った体育ロボット「Embodiment」
• Abstract要約: E2$-CAREは、オンラインで実行がリフォームされたインタラクションテンプレートとして、原始的な介護スキルを表す。 E2$-CAREは、統合された3Dダイナミックシーングラフ内の環境、ロボット、人間を表す。 これらの制約を実行時に強制することにより、同じスキルテンプレートをゼロショットで安全にさまざまな環境に再利用することができる。
• 参考スコア（独自算出の注目度）: 1.9330747561945643
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Physical caregiving robots need to assist different users with different tasks in diverse environments, and they come in many embodiments. While substantial progress has been made on individual caregiving tasks, most existing systems remain tightly coupled to specific environments and robot embodiments, and often do not explicitly model or constrain interactions around people, despite humans being special agents in the environment. This motivates a focus on adapting to context that emerges from the joint interaction between the environment and the robot's embodiment. We propose $E^2$-CARE, a framework that enables context-aware adaptation by representing primitive caregiving skills as interaction templates whose execution is reshaped online. $E^2$-CARE represents the environment, the robot, and the human within a unified 3D dynamic scene graph that models these interaction contexts explicitly, and synthesizes task-specific constraints to govern how each skill is executed. By enforcing these constraints at runtime, the same skill templates can be reused zero-shot and safely across diverse environments and robot embodiments. We evaluate $E^2$-CARE across four activities of daily living in hundreds of simulated household environments, including assistive home settings, and across diverse robot embodiments, and validate it through user studies on two caregiving tasks with two robots in various real-world environments. Results demonstrate consistent and successful adaptation across these environments and embodiments. Website: https://emprise.cs.cornell.edu/e2care
• Abstract（参考訳）: 身体的な介護ロボットは、さまざまな環境において異なるタスクで異なるユーザーを支援する必要がある。 個々の介護作業でかなりの進歩があったが、既存のシステムの多くは、特定の環境やロボットの実施物と密に結びついており、人間が環境に特別なエージェントであるにもかかわらず、人間の相互作用を明示的にモデル化したり制約したりしないことが多い。 このことは、環境とロボットの体現との共同相互作用から生まれる文脈に適応することに焦点を当てる。 このフレームワークは,オンライン上での実行をリフォームしたインタラクションテンプレートとして,プリミティブケアスキルを表現することによって,コンテキスト認識の適応を可能にする。 E^2$-CAREは、これらのインタラクションコンテキストを明示的にモデル化する統合された3Dダイナミックシーングラフ内の環境、ロボット、人間を表し、各スキルの実行方法を管理するためにタスク固有の制約を合成する。 これらの制約を実行時に実施することにより、同じスキルテンプレートをゼロショットで再利用し、さまざまな環境やロボットの実施状況に対して安全に使用することができる。 支援型ホームセッティングを含む数百の家庭環境における日常生活の4つの活動に対して,E^2$-CAREの評価を行い,実環境における2つのロボットを用いた2つの介護タスクのユーザスタディを通じて検証した。 結果は、これらの環境と実施環境に一貫した、そして成功した適応を示します。 Webサイト: https://emprise.cs.cornell.edu/e2care

関連論文リスト

• AnyWorld: Factorized Egocentric World Models for Cross-Embodiment Generalization [88.25615187835321]
  我々は,クロス・エボディメント・ワールド・モデリング・フレームワークであるAnyWorldを提案する。 私たちのモデルは、アクション、カメラ、エンボディメントへのインタラクションを分解します。 大規模なヒューマンインタラクション事前トレーニングでモデルをトレーニングする。
  論文  参考訳（メタデータ） (2026-08-29T12:55:15Z)
• Mind the Context: Continual Learning of Socially Appropriate Robot Actions via Environmental-Social Disentanglement [10.556929614386888]
  社会ロボットは様々な環境にまたがって機能することが期待されており、同様のアレンジメントは社会的に適切な行動を示す可能性がある。 これまで、社会的に適切なロボットアクションを生成するためのCLを研究してきたが、ドメイン・インクリメンタルな設定には対応していない。 このギャップをExplicit Disentanglement Dual-Branchフレームワークで解決する。
  論文  参考訳（メタデータ） (2026-08-13T16:33:10Z)
• VAIC: Vision-Guided Humanoid Agile Object Interaction Control via Decoupled Commands [56.029505206531155]
  Vision Guided Agile Interaction Control (VAIC)は、現在のコントローラとヒューマノイドロボットのギャップを埋める統合フレームワークである。 まず、特権教師政策は、正確な物体運動学と正確な環境状態を用いて多様な相互作用スキルを習得する。 第二に、デプロイ可能な学生ポリシーは、全体追跡を複数の軸にまたがる速度目標に置き換えることで、これらの能力を蒸留する。
  論文  参考訳（メタデータ） (2026-06-08T09:52:55Z)
• HumanX: Toward Agile and Generalizable Humanoid Interaction Skills from Human Videos [74.43500240121476]
  我々はHumanXについて紹介する。HumanXは人間の動画を、ヒューマノイドのための汎用的で現実的なインタラクションスキルにコンパイルするフルスタックのフレームワークである。 HumanXは、従来の方法より8倍高い一般化成功を達成する。
  論文  参考訳（メタデータ） (2026-02-02T18:53:01Z)
• RobotArena $\infty$: Scalable Robot Benchmarking via Real-to-Sim Translation [47.79800816696372]
  操作ポリシーの現実的なテストは、大規模に労働集約的で、再現が難しい。 既存のシミュレーションベンチマークも同様に制限されており、同じ合成ドメイン内でポリシーをトレーニングおよびテストしている。 本稿では,VLA評価を大規模にシミュレーションした拡張環境に移行することで,これらの課題を克服する新しいベンチマークフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-10-27T17:41:38Z)
• PhysHSI: Towards a Real-World Generalizable and Natural Humanoid-Scene Interaction System [67.2851799763138]
  PhysHSIはシミュレーショントレーニングパイプラインと現実世界のデプロイメントシステムで構成される。 シミュレーションでは,自然のヒューマノイドとシーンの相互作用データを模倣するために,逆運動に基づくポリシー学習を採用する。 実世界の展開には、LiDARとカメラ入力を組み合わせた粗粒度オブジェクトローカライズモジュールを導入する。
  論文  参考訳（メタデータ） (2025-10-13T07:11:37Z)
• Time is on my sight: scene graph filtering for dynamic environment perception in an LLM-driven robot [0.8515309662618664]
  本稿では,人間とロボットのインタラクションにおける重要な課題に対処するロボット制御アーキテクチャを提案する。 アーキテクチャはLarge Language Modelsを使用して、自然言語コマンドを含む多様な情報ソースを統合する。 このアーキテクチャは、動的環境における適応性、タスク効率、人間とロボットのコラボレーションを強化する。
  論文  参考訳（メタデータ） (2024-11-22T15:58:26Z)
• Affordances from Human Videos as a Versatile Representation for Robotics [31.248842798600606]
  我々は、人間がどこでどのように対話するかを推定する視覚的余裕モデルを訓練する。 これらの行動割当の構造は、ロボットが多くの複雑なタスクを直接実行できるようにする。 私たちは、VRBと呼ばれる4つの現実世界環境、10以上のタスクと2つのロボットプラットフォームにおいて、私たちのアプローチの有効性を示します。
  論文  参考訳（メタデータ） (2023-04-17T17:59:34Z)
• HARPS: An Online POMDP Framework for Human-Assisted Robotic Planning and Sensing [1.3678064890824186]
  HARPS(Human Assisted Robotic Planning and Sensing)フレームワークは、ロボットチームにおけるアクティブなセマンティックセンシングと計画のためのフレームワークである。 このアプローチにより、人間が不規則にモデル構造を強制し、不確実な環境で意味的なソフトデータの範囲を拡張することができる。 大規模部分構造環境におけるUAV対応ターゲット探索アプリケーションのシミュレーションは、時間と信念状態の推定において著しく改善されている。
  論文  参考訳（メタデータ） (2021-10-20T00:41:57Z)
• On the Importance of Environments in Human-Robot Coordination [17.60947307552083]
  多様な行動をもたらす環境の手続き的生成のための枠組みを提案する。 その結果、環境は質的に異なる出現行動と統計的に重要な協調指標の違いをもたらすことがわかった。
  論文  参考訳（メタデータ） (2021-06-21T04:39:55Z)
• Learning Generalizable Robotic Reward Functions from "In-The-Wild" Human Videos [59.58105314783289]
  ドメインに依存しないビデオ識別器(DVD)は、2つのビデオが同じタスクを実行しているかどうかを判断するために識別器を訓練することによりマルチタスク報酬関数を学習する。 DVDは、人間のビデオの広いデータセットで少量のロボットデータから学習することで、一般化することができる。 DVDと視覚モデル予測制御を組み合わせることで、実際のWidowX200ロボットのロボット操作タスクを単一の人間のデモから未知の環境で解決できます。
  論文  参考訳（メタデータ） (2021-03-31T05:25:05Z)
• SAPIEN: A SimulAted Part-based Interactive ENvironment [77.4739790629284]
  SAPIENは現実的で物理に富んだシミュレートされた環境であり、音声オブジェクトのための大規模なセットをホストしている。 部品検出と動作特性認識のための最先端の視覚アルゴリズムの評価を行い,ロボットインタラクションタスクの実証を行った。
  論文  参考訳（メタデータ） (2020-03-19T00:11:34Z)

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。