論文の概要: When to Personalize Household Object Search: A Rigidity-Gated Hybrid Policy

• arxiv url: http://arxiv.org/abs/2607.00022v2
• Date: Thu, 02 Jul 2026 01:49:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-05 17:01:29.629108
• Title: When to Personalize Household Object Search: A Rigidity-Gated Hybrid Policy
• Title（参考訳）: 家庭用物件検索をパーソナライズする時--厳格なハイブリッド政策
• Abstract要約: PerSim(パーシム、PerSim)は、特性条件と人口頻度ベースラインを組み合わせた、剛性に制限されたハイブリッド政策である。 PerSimは、部屋の訪問と部屋内キューチェックを組み合わせることで、予想される検索コストを削減する。
• 参考スコア（独自算出の注目度）: 0.5804459658872753
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Service robots searching for household objects rely on spatial priors to reduce search cost, yet object locations can vary with resident traits. Collecting longitudinal, trait-specific in-home trajectories is invasive and hard to scale. We study when personalization helps and propose PerSim, a rigidity-gated hybrid policy that combines a trait-conditioned prior with a population-frequency baseline, personalizing only when placement behavior is variable. To scale resident-conditioned dynamics, we employ a human-calibrated simulation pipeline to generate and validate object-placement transitions in diverse home layouts, and train a predictor that injects continuous Big Five vectors to output room-level priors and within-room co-occurrence cues. In a unified human study (N=200), dual-layer validation shows that (i) synthetic transitions are judged behaviorally plausible (mean 3.85/5, p < 1e-6), and (ii) in a blinded A/B comparison, personalization is favored primarily for low-rigidity objects (p=0.005), while the population-frequency baseline remains strong for universally placed items, yielding a decision rule for when to personalize. In an offline objective test, we observe a small but significant improvement on unseen continuous trait vectors over nearest discrete configuration matching (p=0.035), supporting interpolation in five-dimensional trait space. Finally, in a home digital twin we show that PerSim reduces expected search cost by combining room visitation effort with within-room cue checking, demonstrating end-to-end gains beyond isolated prediction metrics.
• Abstract（参考訳）: 家庭内物体を探索するサービスロボットは、探索コストを削減するために空間的事前情報に依存するが、物の位置は居住特性によって異なる可能性がある。 長手、特性特異的な家庭内軌跡の収集は侵襲的であり、スケールが困難である。 我々はパーソナライゼーションの助けとなるペルシム(PerSim)について検討し,配位行動が変動する場合にのみパーソナライズを行う。 居住環境のダイナミクスをスケールするために,多様なホームレイアウトにおけるオブジェクト配置遷移の生成と検証に人間校正シミュレーションパイプラインを使用し,連続したBig Fiveベクトルを室内レベルの事前および室内の共起キューに注入する予測器を訓練する。 統一ヒト研究(N=200)において、二重層検証は、そのことを示している。 (i) 合成遷移は行動可塑性(平均3.85/5, p < 1e-6)と判定され、 (II) 盲目A/B比較では, 個人化は主として低剛性オブジェクト (p=0.005) に好まれるが, 人口頻度ベースラインは広範に配置された項目に強く, 個人化の時期の決定ルールを導出する。 オフラインの客観試験では、最も近い離散的な構成マッチング (p=0.035) よりも、目に見えない連続な特性ベクトルが小さいが顕著に改善され、5次元の特性空間における補間が支持される。 最後に、家庭内デジタルツインにおいて、PerSimは部屋訪問と部屋内キューチェックを組み合わせた検索コストを削減し、独立した予測指標を超えるエンドツーエンドのゲインを示す。

関連論文リスト

• From Where to How: Continuous 4D Interaction Forecasting from Egocentric Video [62.898774619819676]
  エゴセントリックな4Dインタラクション予測は、将来のインタラクションが3Dで起こる場所と、その実現のために人体がどのように動くかを予測することを目的としている。 コヒーレント4D(Coherent4D)は、3つの領域にわたる約233Kサンプルからなる連続4Dインタラクション予測のための大規模エゴセントリックデータセットである。 HIGFlow(Hand Interaction Guided Residual Flow)フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-09-08T12:06:23Z)
• SpatialClaw: Rethinking Action Interface for Agentic Spatial Reasoning [99.49739831030388]
  このインタフェースの設計は,オープンエンド空間推論のためのエージェントのキャパシティをいかに形作るかを検討する。 本研究では,アクションインタフェースとしてコードを採用する空間推論のためのトレーニングフリーフレームワークであるSpatialClawを提案する。
  論文  参考訳（メタデータ） (2026-06-11T17:59:36Z)
• Journey to the Centre of Cluster: Harnessing Interior Nodes for A/B Testing under Network Interference [16.98938598508327]
  クラスタレベルのランダム化が標準となり、ネットワーク対応推定器の使用が可能になった。 これらの推定器は、典型的には情報単位のサブセットのみを保持するようにデータをトリミングし、適切な条件下でバイアスを低くするが、しばしば高い分散に悩まされる。 本稿では,既存のネットワーク認識型推定器が必要とする微妙な再重み付けを回避するため,内部ノードを平均化して平均イン・イン・イン・イン・インター(MII)推定器を構築することを提案する。
  論文  参考訳（メタデータ） (2026-02-04T11:41:52Z)
• Multidimensional Bayesian Active Machine Learning of Working Memory Task Performance [4.8878998002743606]
  作業記憶再構築作業におけるベイズ的2軸能動的分類手法の有効性を示す。 若年者におけるGP駆動適応モード(AM)と従来の適応階段古典モード(CM)を比較した。 AM推定は他のサンプリング手法よりも早く収束し、完全なモデルの正確な適合には30のサンプルしか必要としないことを示した。
  論文  参考訳（メタデータ） (2025-10-01T00:48:14Z)
• Reconstructing Close Human Interaction with Appearance and Proxemics Reasoning [50.76723760768117]
  既存の人間のポーズ推定手法では、既存の映像からもっともらしい密接な相互作用を回復できない。 人間の外見は、これらの障害に対処するための簡単な手がかりとなる。 本研究では,人間の外見,社会的プロキシ,物理法則に制約された身体接触により,正確な対話動作を再構築するための2分岐最適化フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-07-03T12:19:26Z)
• Beyond the Frontier: Predicting Unseen Walls from Occupancy Grids by Learning from Floor Plans [3.432284729311483]
  本研究では,360deg LIDARセンサの軌跡に沿って集積された占有格子上に2次元の線分を配置し,部分観測環境の見えない壁面を予測する課題に取り組む。 大学キャンパスからのオフィススケールフロアプランのコレクションにおいて、ランダムにサンプリングされたウェイポイントのセット間で仮想ロボットをナビゲートすることにより、そのような占有グリッドとその対象壁セグメントのデータセットを収集する。 行セグメント予測タスクを自己回帰シーケンス予測タスクとして定式化し、データセット上で注目ベースのディープネットワークをトレーニングする。
  論文  参考訳（メタデータ） (2024-06-13T14:22:59Z)
• Social-Transmotion: Promptable Human Trajectory Prediction [65.80068316170613]
  Social-Transmotionは、多種多様な視覚的手がかりを利用して人間の行動を予測する、汎用トランスフォーマーベースのモデルである。 提案手法は,JTA,JRDB,歩行者,道路交通のサイクリスト,ETH-UCYなど,複数のデータセットで検証されている。
  論文  参考訳（メタデータ） (2023-12-26T18:56:49Z)
• Coordinate Transformer: Achieving Single-stage Multi-person Mesh Recovery from Videos [91.44553585470688]
  ビデオから複数人の3Dメッシュを回収することは、バーチャルリアリティーや理学療法などにおけるグループ行動の自動認識に向けた重要な第一歩である。 本稿では,複数人物の時空間関係を直接モデル化し,同時にエンドツーエンドでマルチ・メッシュ・リカバリを行うコーディネート・トランスフォーマーを提案する。 3DPWデータセットの実験では、CoordFormerが最先端の精度を大幅に向上し、MPJPE、PAMPJPE、PVEの計測値でそれぞれ4.2%、8.8%、そして4.7%を上回った。
  論文  参考訳（メタデータ） (2023-08-20T18:23:07Z)
• Category-Level 6D Object Pose and Size Estimation using Self-Supervised Deep Prior Deformation Networks [39.6823489555449]
  オブジェクトのインスタンスとそのセマンティクスを3D空間で正確にアノテートすることは困難であり、これらのタスクには合成データが広く使われている。 本研究では,Sim2Realのタスク設定において,カテゴリレベルの6Dオブジェクトのポーズとサイズ推定のための教師なしドメイン適応を実現することを目的としている。 本稿では,新しいCAMERA Deep Prior deformation Network(DPDN)上に構築した手法を提案する。
  論文  参考訳（メタデータ） (2022-07-12T10:24:52Z)
• Non-Local Latent Relation Distillation for Self-Adaptive 3D Human Pose Estimation [63.199549837604444]
  3次元ポーズ推定アプローチは、強い(2D/3Dポーズ)または弱い(複数ビューまたは深さ)ペアによる監督の異なる形態を利用する。 我々は3Dポーズ学習を,ラベル付きソースドメインから完全に損なわれないターゲットへのタスク知識の転送を目的とした,自己指導型適応問題として捉えた。 我々は、異なる自己適応設定を評価し、標準ベンチマークで最先端の3Dポーズ推定性能を示す。
  論文  参考訳（メタデータ） (2022-04-05T03:52:57Z)
• Locally Aware Piecewise Transformation Fields for 3D Human Mesh Registration [67.69257782645789]
  本論文では,3次元変換ベクトルを学習し,提案空間内の任意のクエリ点をリザーブ空間内の対応する位置にマップする部分変換場を提案する。 パラメトリックモデルにネットワークのポーズを合わせることで、特に極端なポーズにおいて、より優れた登録品質が得られることを示す。
  論文  参考訳（メタデータ） (2021-04-16T15:16:09Z)

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。