論文の概要: Communicative Efficiency of Single vs. Multi-Axis Robot Neck Motion
- arxiv url: http://arxiv.org/abs/2607.07390v1
- Date: Wed, 08 Jul 2026 13:23:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-09 22:50:30.392689
- Title: Communicative Efficiency of Single vs. Multi-Axis Robot Neck Motion
- Title（参考訳）: 単軸ロボットと多軸ロボットのネック運動のコミュニケーション効率
- Abstract要約: 本稿では,ロボットの首の動きをコミュニケーションチャネルとして特徴付ける情報理論フレームワークを提案する。
ロボットネックプラットフォームを用いて、3つの自由度にまたがる84の動画刺激を記録しました。
通信情報は2つのDoFでピークに達し、エネルギーコストの上昇にもかかわらず3で減少する。
- 参考スコア（独自算出の注目度）: 7.189799856240953
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Nonverbal communication through head and neck movement is fundamental to human social signalling, yet how robotic neck morphology translates motion into communicative information remains poorly understood. We present an information-theoretic framework characterising robot neck movement as a communication channel, quantifying information transmitted and energy expended across varied configurations. Using a robotic neck platform, we recorded 84 video stimuli spanning three rotational degrees of freedom (DoF), varying amplitude, acceleration, and frequency, measuring Shannon entropy of pixel-change signals alongside energy consumption. A perceptual study validated communicative interpretations of each motion. While humans typically engage one axis per gesture, robots are unconstrained by biological architecture, motivating tests up to 3 DoF. Yet communicative information peaks at two DoF and decreases at three despite rising energy cost, a phenomenon we term the morphological information bottleneck. Motion parameter effects were parameter-dependent, some additive, others non-linear. We introduce the Motor Information Space, a framework mapping entropy against energy to expose communicative efficiency across morphologies, in which the optimal configuration achieves 5.26 bits at competitive energy cost. Perception data further confirm multi-axis movements reduce clarity. These findings challenge the assumption that anatomical completeness improves robotic expressiveness, establishing a quantitative basis for morphological design in robots, especially humanoids.
- Abstract（参考訳）: 頭と首の動きによる非言語コミュニケーションは、人間の社会的シグナル伝達の基礎であるが、ロボットの首形態が動きをコミュニケーション情報にどのように変換するかは理解されていない。
本稿では,ロボットの首の動きをコミュニケーションチャネルとして特徴付ける情報理論フレームワークを提案する。
ロボットネックプラットフォームを用いて,3自由度(DoF),振幅,加速度,周波数の異なる3自由度(DoF)にまたがる84個のビデオ刺激を記録し,エネルギー消費とともに画素交換信号のシャノンエントロピーを測定した。
知覚的研究は各動作のコミュニケーション的解釈を検証した。
通常、人間はジェスチャーごとに1軸を公転するが、ロボットは生物学的アーキテクチャに制約されず、最大3DOFまでテストを行う。
しかし、通信情報は2つのDoFでピークに達し、エネルギーコストの上昇にもかかわらず3で減少する。
運動パラメータ効果はパラメータ依存であり、一部の添加物、その他の非線形である。
本稿では,エネルギーに対してエントロピーをマッピングし,最適な構成で5.26ビットを競争エネルギーコストで達成する,形態素間の通信効率を明らかにするフレームワークであるMotor Information Spaceを紹介する。
知覚データはさらに、多軸運動の明瞭度を低下させる。
これらの知見は、解剖学的完全性はロボットの表現性を向上し、ロボット、特にヒューマノイドにおける形態的デザインの定量的基盤を確立するという仮定に挑戦する。
関連論文リスト
- Human2Humanoid: Physics-Aware Cross-Morphology Motion Retargeting for Humanoid Robots [9.096721498763717]
人間の動きをヒューマノイドロボットに再ターゲティングすることは、遠隔操作、模倣学習、人間とロボットの相互作用にとって重要である。
本稿では,人間の動作を高忠実度なヒューマノイドロボットに伝達する,教師なし動作フレームワークであるHuman2Humanを提案する。
実験の結果, 提案手法は, ペアデータを持たないユニトリーG1ヒューマノイドロボットに対して, 人間の動きを的確に再現することに成功した。
論文 参考訳（メタデータ） (2026-06-02T10:53:06Z) - Do Robots Need Body Language? Comparing Communication Modalities for Legible Motion Intent in Human-Shared Spaces [22.039354879428497]
ハイDoFロボットは、人々が意図的、意図的に読み取る動きを示しており、そのような手がかりがどのように認識されているかを理解することが重要である。
我々は,四足歩行ロボットの今後のナビゲーション動作を理解する能力について,さまざまなシグナリング・モダリティ,表現運動,光,テキスト,音声などを評価するオンラインビデオスタディを提案する。
論文 参考訳（メタデータ） (2026-04-03T20:53:05Z) - MeshMimic: Geometry-Aware Humanoid Motion Learning through 3D Scene Reconstruction [54.36564144414704]
MeshMimicは、3Dシーンの再構築とインテリジェンスを組み込んだ革新的なフレームワークで、ヒューマノイドロボットがビデオから直接「モーション・テライン」インタラクションを学習できるようにする。
現状の3次元視覚モデルを活用することで、我々のフレームワークは、人間の軌跡と基礎となる地形や物体の3次元幾何学の両方を正確にセグメント化し再構築する。
論文 参考訳（メタデータ） (2026-02-17T17:09:45Z) - Synthetic Data Generation of Body Motion Data by Neural Gas Network for Emotion Recognition [0.9790236766474201]
本研究では,体の動きデータを合成するためのニューラルネットワーク(NGN)アルゴリズムを新たに導入する。
骨格構造トポロジーを学習することで、NGNは神経細胞やガス粒子を体関節に適合させる。
フレームに体姿勢を付けることで、最終的な合成体の動きが現れる。
論文 参考訳（メタデータ） (2025-03-11T13:16:30Z) - EMOTION: Expressive Motion Sequence Generation for Humanoid Robots with In-Context Learning [10.266351600604612]
本稿では,ヒューマノイドロボットにおける表現型動き列を生成するためのEMOTIONというフレームワークを提案する。
本研究では,EMOTIONが生成する動作の自然性と理解性を比較したオンラインユーザ研究を行い,その人間フィードバックバージョンであるEMOTION++について述べる。
論文 参考訳（メタデータ） (2024-10-30T17:22:45Z) - Combo: Co-speech holistic 3D human motion generation and efficient customizable adaptation in harmony [69.24392732966905]
共同音声合成のための新しいフレームワークComboを提案する。
特に、興味の生成モデルにおけるマルチインプット・マルチプル・アウトプットの性質として、基本的な課題があげられる。
コンボは高品質な動きを生み出すのに非常に効果的であるが、アイデンティティや感情の伝達にも効果的である。
論文 参考訳（メタデータ） (2024-08-18T07:48:49Z) - ReMoS: 3D Motion-Conditioned Reaction Synthesis for Two-Person Interactions [66.87211993793807]
本稿では,2人のインタラクションシナリオにおいて,人の全身運動を合成する拡散モデルReMoSを提案する。
ペアダンス,忍術,キックボクシング,アクロバティックといった2人のシナリオでReMoSを実証する。
また,全身動作と指の動きを含む2人のインタラクションに対してReMoCapデータセットを寄贈した。
論文 参考訳（メタデータ） (2023-11-28T18:59:52Z) - InterControl: Zero-shot Human Interaction Generation by Controlling Every Joint [67.6297384588837]
関節間の所望距離を維持するために,新しい制御可能な運動生成手法であるInterControlを導入する。
そこで本研究では,既成の大規模言語モデルを用いて,ヒューマンインタラクションのための結合ペア間の距離を生成できることを実証した。
論文 参考訳（メタデータ） (2023-11-27T14:32:33Z) - Priority-Centric Human Motion Generation in Discrete Latent Space [59.401128190423535]
テキスト・ツー・モーション生成のための優先中心運動離散拡散モデル(M2DM)を提案する。
M2DMは、コード崩壊に対処するために、グローバルな自己注意機構と正規化用語を組み込んでいる。
また、各動きトークンの重要度から決定される革新的なノイズスケジュールを用いた動き離散拡散モデルを提案する。
論文 参考訳（メタデータ） (2023-08-28T10:40:16Z) - 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)
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。