論文の概要: Legible Shared Autonomy: Implicit Communication of Robot Belief through Motion

• arxiv url: http://arxiv.org/abs/2606.29846v1
• Date: Mon, 29 Jun 2026 06:35:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-30 18:07:16.082908
• Title: Legible Shared Autonomy: Implicit Communication of Robot Belief through Motion
• Title（参考訳）: 可愛らしい共有自律性:移動によるロボットの信念の示唆的コミュニケーション
• Abstract要約: 従来の共有自律システムは、推論された目標への効率的な最短経路に沿って支援を提供する。 ロボットが目標を正しく推測すると、不明瞭な補助動作から理解できないため、ユーザーは制御を続ける。 ロボットの行動はどちらも目標に向かって前進し、どの目標が推測されたかを明確に示さなければならない。
• 参考スコア（独自算出の注目度）: 10.259015383410395
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Shared autonomy systems combine user input with autonomous assistance to help users with motor impairments control robot arms to perform everyday manipulation tasks, by inferring user goals and providing appropriate guidance. However, the robot's internal beliefs about user goals cannot be observed by users. Traditional shared autonomy systems provide assistance along efficient shortest paths toward inferred goals, but when multiple objects lie in similar directions, such assistive motion remains ambiguous and fails to reveal the specific goal identified by the robot. This creates two critical problems. First, when the robot correctly infers the goal, users continue controlling because they cannot perceive understanding from ambiguous assistive motion, wasting effort when autonomous completion would suffice. Second, when the robot misunderstands intent, users cannot quickly detect errors until assistive motion diverges significantly, requiring substantial corrective input. We address this by introducing legible motion into shared autonomy, where robot actions must both advance toward the goal and clearly reveal which goal has been inferred, enabling users to understand the robot's beliefs and adjust control accordingly. The robot modulates communication strength through confidence-aware adaptive authority allocation by providing assertive legible assistive actions when confident while increasing user authority when uncertain, transforming shared autonomy into transparent bidirectional collaboration. User studies including simulation and physical experiments with a six-degree-of-freedom robot arm demonstrate that legible shared autonomy significantly improves users' understanding of robot beliefs and reduces user control effort compared to standard shared autonomy.
• Abstract（参考訳）: 共有自律システムは、ユーザの入力と自律的なアシストを組み合わせることで、運動障害制御ロボットアームを使用すれば、ユーザの目標を推測し、適切なガイダンスを提供することで、日常的な操作作業を行うことができる。 しかし,ユーザ目標に対するロボットの内部信念は,ユーザによっては観察できない。 従来の共有自律システムは、推論された目標への効率的な最短経路に沿って支援を提供するが、複数の物体が同じ方向に横たわっている場合、そのような補助運動はあいまいであり、ロボットが特定した特定の目標を明らかにするのに失敗する。 これは2つの重大な問題を引き起こす。 まず、ロボットが目標を正しく推し進めると、ユーザーは不明瞭な補助運動からの理解が得られず、自律的な完了が十分であるような努力を無駄にしないため、制御を続ける。 第二に、ロボットが意図を誤解した場合、補助動作が著しく分岐するまでエラーを素早く検出することができず、相当な修正入力が必要になる。 そこでは,ロボットの行動が目標に向かって前進し,どの目標が推測されたかを明確にし,ロボットの信念を理解し,それに応じて制御を調整しなくてはならない。 本発明のロボットは、不確実な場合にはユーザ権限を増大させながら、自信のある場合には、確固たる正統的な補助行動を提供することにより、信頼を意識した適応権限割り当てを通じて通信強度を変調し、共有自律性を透明な双方向協調に変換する。 6自由度ロボットアームを用いたシミュレーションや物理的実験を含むユーザスタディは、正当性共有自律性は、ロボットの信念に対するユーザの理解を著しく改善し、標準的な共有自律性と比較してユーザコントロールの労力を減少させることを示した。

関連論文リスト

• MobileVLA-R1 2.0: RL-Enhanced Reasoning for Mobile Robot Control [63.85634404397772]
  MobileVLA-R1 2.0は、移動ロボットのためのRL拡張ビジョン言語アクションフレームワークである。 教師付きChain-of-Thought(CoT)アライメントと強化学習を通じて、具体的軌道上の多粒性推論を学習する。 VLN-CE, QUARD, およびUnitree Go2およびG1ロボットへの実環境展開を網羅し, 言語誘導ナビゲーション, 四脚制御, ヒューマノイド移動操作の評価を行った。
  論文  参考訳（メタデータ） (2026-09-05T20:31:14Z)
• Navigation beyond Wayfinding: Robots Collaborating with Visually Impaired Users for Environmental Interactions [23.06831135567015]
  我々は,ロボットガイド犬の精密なセンシングと位置決め機能と,物理的な操作を行うユーザの能力を組み合わせた,協調的な人間ロボットアプローチを提案する。 評価の結果,従来の白杖や非適応案内システムよりも安全でスムーズで効率の良いナビゲーションが可能であることが示唆された。
  論文  参考訳（メタデータ） (2026-03-15T04:21:46Z)
• How Does Delegation in Social Interaction Evolve Over Time? Navigation with a Robot for Blind People [9.288035205251315]
  実世界の博物館でナビゲーション支援ロボットと対話した6人の盲人被験者を対象に,繰り返し露光実験を行った。 調査の結果、参加者は時間とともに戦略を洗練し、ロボットに依存するか、独立して行動するかについて、より明確な選好を生み出した。 この研究は、戦略と嗜好が反復的な相互作用によってどのように進化するかについての洞察を提供し、時間をかけてユーザーのニーズに適応するロボットの設計上の意味を提供する。
  論文  参考訳（メタデータ） (2026-01-27T18:00:00Z)
• Evaluation of Impression Difference of a Domestic Mobile Manipulator with Autonomous and/or Remote Control in Fetch-and-Carry Tasks [0.5833117322405447]
  単一のサービスロボットは、その自律性とオペレーターを介するエージェンシーという、2つの異なるエージェンシーを提示することができる。 我々は、この二重緊急構造を、自律的な遠隔操作環境において、ユーザ・ロボット・オペレータ・トライアドとして定式化する。
  論文  参考訳（メタデータ） (2025-12-30T07:00:30Z)
• Controlling diverse robots by inferring Jacobian fields with deep networks [48.279199537720714]
  自然生物の複雑な構造と多様な機能を反映することは、ロボット工学における長年の課題である。 本稿では,深層ニューラルネットワークを用いてロボットの映像ストリームをバイスモータヤコビアン場にマッピングする手法を提案する。 提案手法は,正確なクローズドループ制御を実現し,各ロボットの因果動的構造を復元する。
  論文  参考訳（メタデータ） (2024-07-11T17:55:49Z)
• Dynamic Hand Gesture-Featured Human Motor Adaptation in Tool Delivery using Voice Recognition [5.13619372598999]
  本稿では,革新的なロボット協調フレームワークを提案する。 手の動きや動的動きの認識、音声認識、切り替え可能な制御適応戦略をシームレスに統合する。 ハンドジェスチャ認識における優れた性能を示す実験結果が得られた。
  論文  参考訳（メタデータ） (2023-09-20T14:51:09Z)
• "No, to the Right" -- Online Language Corrections for Robotic Manipulation via Shared Autonomy [70.45420918526926]
  LILACは、実行中に自然言語の修正をオンラインで実施し、適応するためのフレームワークである。 LILACは人間とロボットを個別にターンテイクする代わりに、人間とロボットの間にエージェンシーを分割する。 提案手法は,タスク完了率が高く,ユーザによって主観的に好まれることを示す。
  論文  参考訳（メタデータ） (2023-01-06T15:03:27Z)
• Dexterous Manipulation from Images: Autonomous Real-World RL via Substep Guidance [71.36749876465618]
  本稿では,ユーザが新しいタスクを定義するための"プログラミング不要"なアプローチを提供する,視覚に基づくデクスタラスな操作システムについて述べる。 本システムには,最終タスクと中間タスクを画像例で定義するためのフレームワークが組み込まれている。 実世界における多段階物体操作の4指ロボットハンドラーによる実験結果
  論文  参考訳（メタデータ） (2022-12-19T22:50:40Z)
• Synthesis and Execution of Communicative Robotic Movements with Generative Adversarial Networks [59.098560311521034]
  我々は、繊細な物体を操作する際に人間が採用するのと同じキネマティクス変調を2つの異なるロボットプラットフォームに転送する方法に焦点を当てる。 我々は、ロボットのエンドエフェクターが採用する速度プロファイルを、異なる特徴を持つ物体を輸送する際に人間が何をするかに触発されて調整する。 我々は、人体キネマティクスの例を用いて訓練され、それらを一般化し、新しい有意義な速度プロファイルを生成する、新しいジェネレーティブ・アドバイサル・ネットワークアーキテクチャを利用する。
  論文  参考訳（メタデータ） (2022-03-29T15:03:05Z)
• Situational Confidence Assistance for Lifelong Shared Autonomy [35.15522119919745]
  我々のキーとなるアイデアは、ロボットがユーザーの入力を説明するのに意図のレパートリーが不十分であるかどうかを検知し、フィードバック制御を行うことである。 これにより、ロボットは目立たないタスクの実行を観察し、その背後にある新しい意図を学習し、このレパートリーに追加することができる。
  論文  参考訳（メタデータ） (2021-04-14T00:00:07Z)
• 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。