論文の概要: Embodied Human-Robot Interaction via Acoustics: A MARL Approach with AcoustoBots for Spatial Data Physicalization

• arxiv url: http://arxiv.org/abs/2607.06563v1
• Date: Tue, 07 Jul 2026 17:59:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-08 21:24:51.61957
• Title: Embodied Human-Robot Interaction via Acoustics: A MARL Approach with AcoustoBots for Spatial Data Physicalization
• Title（参考訳）: 音響による人間とロボットの身体的相互作用:空間データ物理化のための音響ボットを用いたMARLアプローチ
• Abstract要約: AcoustoBotsはモバイルデータ物理化プラットフォームである。 タートルボット3ロボットは上向きの8 x 8の超音波位相アレーを運んでいる。 各配列は、人口密度、騒音、交通量などの局所的な都市スカラー値を符号化した粒子を浮き彫りにする。
• 参考スコア（独自算出の注目度）: 32.62028759076795
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Traditional data physicalization is often static and disconnected from real environments, limiting its ability to convey embodied spatial dynamics and engage users. To address this limitation, we present AcoustoBots, a mobile acoustophoretic data-physicalization platform in which TurtleBot3 robots carry upward-facing 8 x 8 ultrasonic phased arrays. Each array levitates a particle whose height (1-10 cm) encodes a local urban scalar value, such as population density, noise, or traffic. A MARL (Multi-Agent Reinforcement Learning) policy based on the Multi-Agent Deep Deterministic Policy Gradient (MADDPG) algorithm, with centralized training and decentralized execution, selects collision-aware navigation actions, while a high-rate Gerchberg-Saxton-Phased Array of Transducers (GS-PAT) acoustic controller maintains trap stability and updates array phases to achieve the commanded height during motion. This creates a closed perception-display-action loop. We evaluate single-robot city-to-city traversal and dual-robot cooperative coverage on a 4 m x 3 m scaled UK map using PhaseSpace-based localization for repeatable multi-robot trials. Results show stable in-motion levitation and consistent, location-dependent height rendering, with task success rates of 90% and 80% for the single and dual-robot regimes, respectively, over 10 trials per regime, and low collision counts. These findings support acoustophoretic levitation as a simple, glanceable, robot-mediated communication cue for embodied human-robot interaction in spatial analytics.
• Abstract（参考訳）: 従来のデータ物理化は、しばしば静的で実際の環境から切り離され、エンボディされた空間力学を伝達し、ユーザをエンゲージする能力を制限する。 この制限に対処するために、TurtleBot3ロボットが上向きの8×8個の超音波位相アレーを携帯する、モバイルのアココホープなデータ物理化プラットフォームであるAcoustoBotsを紹介した。 各配列は、高さ (1-10 cm) の粒子が人口密度、騒音、交通量などの局所的な都市スカラー値を符号化する。 マルチエージェントDeep Deterministic Policy Gradient(MADDPG)アルゴリズムに基づくMARL(Multi-Agent Reinforcement Learning)ポリシは、集中トレーニングと分散実行を備えた、衝突認識ナビゲーションアクションを選択し、ハイレートなGerchberg-Saxton-Phased Array of Transducers(GS-PAT)音響コントローラは、動作中の命令された高さを達成するためにトラップ安定性とアレーフェーズを更新する。 これにより、クローズドな知覚-行動ループが生成される。 4m×3mスケールの英国地図上で, 単一ロボットの都市間交通網と2つのロボット協調網を, 繰り返し可能なマルチロボット試験のために, 位相空間に基づくローカライゼーションを用いて評価した。 その結果, 作業成功率の90%と80%が単一ロボット群, 二重ロボット群でそれぞれ10回以上, 衝突回数が低かった。 これらの知見は、空間分析において人間とロボットの相互作用を具現化するためのシンプルな、一見可能な、ロボットによるコミュニケーションキューとして、心的浮揚を支持している。

関連論文リスト

• Distributed Dexterous Manipulation with Spatially Conditioned Multi-Agent Transformers [0.7310043452300737]
  本稿では,空間条件付きマルチエージェント変換器(MAT)に基づく分散デクサラスマニピュレーションシステムのためのロバスト制御ポリシを効率的に学習するためのフレームワークを提案する。 提案する3つのコアコントリビューションは, (i) 計算効率に適応的な層ノルムを持つMAT, (ii) ロボットの空間構成に接地トランスフォーマーを埋め込む空間コントラスト埋め込み, (iii) ソフトアクタ批評家を用いて微調整したMATに基づく行動クローニング手法である。
  論文  参考訳（メタデータ） (2026-09-07T02:01:12Z)
• RoboGesture: Real-Time Semantic-aligned Co-Speech Gestures Generation for Humanoid Interaction [33.04319504310729]
  RoboGestureは、完全に対話的な人間-ヒューマノイドシステムを動かすために、データ、モデリング、制御を共同設計するロボット中心のフレームワークである。 まず,300以上のジェスチャーカテゴリを備えたRoboGestureデータセットを構築し,大規模オーディオモーションペアを合成する自動パイプラインを開発した。 Unitree G1のヒューマノイドの実験では、RoboGestureは最先端のベースラインに比べて安全で、よりリズミカルで、セマンティックに適切な応答を生成する。
  論文  参考訳（メタデータ） (2026-08-27T02:13:46Z)
• RGB-D Video Generation for Improving Human-to-Robot Object Handover Prediction [51.76737991200891]
  H2R(Human-to-robot)オブジェクトハンドオーバは、人間とロボットのコラボレーションの基本的な能力である。 本稿では,RGB-DビデオデータセットであるHand2Botを紹介する。 ハンドオブジェクトの一貫性を確保しつつ,現実的なハンドオーバシーケンスを合成する生成パイプラインであるPassGenを提案する。
  論文  参考訳（メタデータ） (2026-08-13T09:55:59Z)
• HiFi-UMI: Learning Deployable Manipulation Policies from High-Fidelity UMI Data Alone [19.886495773199023]
  移動式UMIデータ生成システムであるHiFi-UMIについて述べる。 実ロボットに直接デプロイするHiFi-UMIの実証にのみ焦点を絞った、ゼロロボットのポストトレーニングを実証する。 我々はHiFi-UMI-2Kをオープンソースとして公開し、2000時間のマイクロ同期、超広汎FoVデモをロボット学習コミュニティの大規模かつ高忠実なリソースとして公開しました。
  論文  参考訳（メタデータ） (2026-07-28T15:52:02Z)
• KinematicRL: A Sim-to-Real Reinforcement Learning Framework For Social Navigation With Kinodynamic Feasibility [27.73146983499444]
  Deep Reinforcement Learning (DRL)はソーシャルナビゲーションを約束しているが、現実のデプロイメントは、永続的なsim-to-realギャップによって妨げられている。 この研究は、これらの制限に対処し、動的に実行可能なナビゲーションポリシーを生成する統一されたフレームワークを提示している。 実世界の環境での実験では、提案された追跡パイプラインと組み合わせることで、KinematicRLを最小限の修正で実微分駆動ロボットにデプロイできることが示されている。
  論文  参考訳（メタデータ） (2026-06-10T13:07:03Z)
• Decentralized LLM-Driven Coordination of Acoustic Robots for Contactless Object Manipulation [5.280275012917872]
  本稿では,非接触物体操作のための音響ロボットの自然言語駆動協調のための枠組みを提案する。 2つのTurtleBot3ベースの音響ロボットに実装され、それぞれに超音波位相アレーを備えている。 その結果,自然言語コマンドは非接触操作のための分散ロボット動作に変換可能であることがわかった。
  論文  参考訳（メタデータ） (2026-05-28T05:27:13Z)
• Simulation-Informed Diffusion for Decentralized Multi-robot Motion Planning [56.240199425429445]
  マルチロボットモーションプランニングでは、各ロボットが局所的な観測から衝突のない軌道を生成する必要がある。 既存のほとんどのプランナは、ローカル観測の静的スナップショットからトラジェクトリを生成する。 本稿では,制約対応拡散モデルに基づく分散フレームワークであるSimulation-Informed Diffusion (SID)を紹介する。
  論文  参考訳（メタデータ） (2026-05-26T21:17:53Z)
• A Gesture-Based Visual Learning Model for Acoustophoretic Interactions using a Swarm of AcoustoBots [8.171680721155761]
  AcoustoBotsは、触覚、指向性オーディオ、音響浮揚を届けるモバイル・アココノトペティック・ロボットだ。 既存の実装はスクリプト化されたコマンドに依存しており、リアルタイムなヒューマンコントロールのための直感的なインターフェースがない。 本研究では,マルチモーダルなAcoustoBotプラットフォームと非接触型ヒューマン・スワームインタラクションのためのジェスチャーに基づく視覚学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-04-21T16:32:38Z)
• Dual-Agent Multiple-Model Reinforcement Learning for Event-Triggered Human-Robot Co-Adaptation in Decoupled Task Spaces [3.349003999623489]
  本稿では,カスタム6自由度上肢ロボットのための共有制御型リハビリテーションポリシーを提案する。 患者は二進法で一次到達方向を制御し、ロボットは自律的に矯正動作を管理する。
  論文  参考訳（メタデータ） (2026-03-06T11:15:10Z)
• ULTRA: Unified Multimodal Control for Autonomous Humanoid Whole-Body Loco-Manipulation [55.467742403416175]
  本稿では,大規模モーションキャプチャをヒューマノイドに変換する物理駆動型ニューラルネットワークを提案する。 我々は高密度参照とスパースタスク仕様の両方をサポートする統合マルチモーダルコントローラを学習する。 その結果,ULTRAは自我中心の知覚から,自律的,目標条件付き全体ロコ操作に一般化することが示された。
  論文  参考訳（メタデータ） (2026-03-03T18:59:29Z)
• MolmoSpaces: A Large-Scale Open Ecosystem for Robot Navigation and Manipulation [56.30931340537373]
  MolmoSpacesは、ロボットポリシーのベンチマークをサポートするための、完全にオープンなエコシステムである。 MolmoSpacesは230万以上の屋内環境で構成されている。 MolmoSpaces-Benchは8つのタスクのベンチマークスイートで、ロボットが私たちの多様なシーンとリッチな注釈付きオブジェクトと対話する。
  論文  参考訳（メタデータ） (2026-02-11T20:16:31Z)
• FAST: Efficient Action Tokenization for Vision-Language-Action Models [98.15494168962563]
  離散コサイン変換に基づくロボット動作のための圧縮に基づく新しいトークン化手法を提案する。 FASTをベースとしたFAST+は,100万個のリアルロボットアクショントラジェクトリに基づいて訓練されたユニバーサルロボットアクショントークンである。
  論文  参考訳（メタデータ） (2025-01-16T18:57:04Z)
• SABER: Data-Driven Motion Planner for Autonomously Navigating Heterogeneous Robots [112.2491765424719]
  我々は、データ駆動型アプローチを用いて、異種ロボットチームをグローバルな目標に向けてナビゲートする、エンドツーエンドのオンラインモーションプランニングフレームワークを提案する。 モデル予測制御(SMPC)を用いて,ロボット力学を満たす制御入力を計算し,障害物回避時の不確実性を考慮した。 リカレントニューラルネットワークは、SMPC有限時間地平線解における将来の状態の不確かさを素早く推定するために用いられる。 ディープQ学習エージェントがハイレベルパスプランナーとして機能し、SMPCにロボットを望ましいグローバルな目標に向けて移動させる目標位置を提供する。
  論文  参考訳（メタデータ） (2021-08-03T02:56:21Z)
• Relative Localization of Mobile Robots with Multiple Ultra-WideBand Ranging Measurements [15.209043435869189]
  ロボット群間の相対的なポーズを,複数のUWB範囲のノードを各ロボットに装備することで推定する手法を提案する。 局所化精度を向上させるため,スライディングウインドウを用いた最適化により,オドメトリー制約を利用する。
  論文  参考訳（メタデータ） (2021-07-19T12:57:02Z)

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。