論文の概要: HRIBench: Benchmarking Interaction-Centric Human-Robot Collaboration
- arxiv url: http://arxiv.org/abs/2607.13056v1
- Date: Sun, 05 Jul 2026 09:15:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-19 21:54:20.415575
- Title: HRIBench: Benchmarking Interaction-Centric Human-Robot Collaboration
- Title（参考訳）: HRIBench: インタラクション中心の人間とロボットのコラボレーションのベンチマーク
- Abstract要約: HRIBenchは,実行シナリオに基づいた意図認識型人間ロボットコラボレーションの診断ベンチマークである。
HRIBenchは、エージェントの役割、時間的依存、調整の制約、人間の振る舞いの分布を明示的にモデル化する構造化シナリオスクリプトとして、協調的なタスクを表現している。
その結果,現状の基盤ロボット政策は,操作能力が強いにもかかわらず,協調的な環境下では極めて困難であることが示唆された。
- 参考スコア（独自算出の注目度）: 62.19372189311434
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Current vision-language-action (VLA) benchmarks primarily evaluate isolated manipulation skills while leaving human-robot interaction structure largely unmodeled. However, real-world collaboration fundamentally requires coordination under shared agency, including intent understanding, temporal synchronization, protocol adherence, and safe interaction in dynamic environments. To address this gap, we introduce HRIBench, a diagnostic benchmark for intent-aware human-robot collaboration based on executable interaction scenarios. HRIBench represents collaborative tasks as structured scenario scripts that explicitly model agent roles, temporal dependencies, coordination constraints, and human behavior distributions. Building on this abstraction, HRIBench defines three representative interaction roles: Instructor, Collaborator, and Intruder, covering intent communication, joint coordination, and robustness under human intervention. The benchmark contains 13 role-conditioned tasks with over 650 evaluation episodes generated from diverse interaction trajectories and scene variations. Beyond binary task success, HRIBench introduces interpretable interaction-centric metrics spanning synchronization, responsiveness, protocol compliance, and safety. We evaluate adapted policies based on GR00T, pi0.5, and ACT under a unified protocol. Results show that current foundation robot policies struggle substantially in collaborative settings despite strong manipulation ability, revealing major limitations in temporal coordination and intent-aware behavior. Fine-tuning on HRIBench consistently improves collaborative performance. In a real-world adaptation study, simulation data generated by HRIBench improves GR00T N1.5's physical-task success rate from 0.10 to 0.43, demonstrating the benchmark's value for advancing interaction-centric robot learning.
- Abstract（参考訳）: 現在の視覚-言語-アクション(VLA)ベンチマークは、主に分離された操作スキルを評価し、人間とロボットの相互作用構造はほとんどモデル化されていない。
しかし、現実世界の協調には、意図的理解、時間的同期、プロトコルの順守、動的環境における安全な相互作用など、共有エージェントの下での協調が不可欠である。
このギャップに対処するため,本研究では,対話シナリオに基づいた意図認識型人間ロボットコラボレーションの診断ベンチマークであるHRIBenchを紹介する。
HRIBenchは、エージェントの役割、時間的依存、調整の制約、人間の振る舞いの分布を明示的にモデル化する構造化シナリオスクリプトとして、協調的なタスクを表現している。
この抽象化に基づいて、HRIBenchは、インストラクタ、コラボレータ、インストラクタの3つの代表的な相互作用の役割を定義している。
ベンチマークには13のロール条件付きタスクが含まれており、650以上の評価エピソードは多様な相互作用軌跡とシーンのバリエーションから生成される。
バイナリタスクの成功以外にも、HRIBenchでは、同期、応答性、プロトコルコンプライアンス、安全性にまたがる、解釈可能なインタラクション中心のメトリクスを導入している。
我々は, GR00T, pi0.5, ACTを統一プロトコルで評価した。
以上の結果から,時間的調整や意図認識行動に大きな制約があることが示唆された。
HRIBenchの微調整は、常に協調的なパフォーマンスを改善する。
実世界の適応研究において、HRIBenchによって生成されたシミュレーションデータはGR00T N1.5の物理タスク成功率を0.10から0.43に改善し、相互作用中心のロボット学習を促進するためのベンチマークの価値を示す。
関連論文リスト
- A Vision Based Framework Integrating Attention and Action Cues for Interpretable Cognitive Workload Assessment in Human-Robot Collaborative Assembly [3.2566202265353503]
本稿では,HRCアセンブリにおける連続的かつ解釈可能な作業負荷関連評価のための視覚に基づくアテンションアクションフレームワークを提案する。
参加者10名を対象に3段階協調歯車組立実験を行った。
論文 参考訳（メタデータ） (2026-09-14T08:52:37Z) - CoMind: Understanding Collaborative Human Activity from Multiple Minds and Views [82.15362247351763]
調理シナリオにおける現実のコラボレーションをキャプチャする,エゴセントリックでエクソセントリックなビデオデータセットを新たに導入する。
このデータセットは、マルチパースペクティブなビデオ、高品質なオーディオ、視線追跡、および3Dシーンとオブジェクトスキャンを統合する。
我々は,共同注意推定,社会的条件付きオブジェクトインタラクション予測,協調的ハンドオーバ予測のベンチマークを構築した。
論文 参考訳（メタデータ） (2026-07-07T18:08:45Z) - Evaluating Generative Models as Interactive Emergent Representations of Human-Like Collaborative Behavior [1.4016147623265656]
人間とAIの協力は、効果的な協調のために人間の行動を理解するためにAIエージェントを必要とする。
本研究は, 基礎的精神モデルを示す創発的な協調行動を示す基礎モデルエージェントについて検討する。
論文 参考訳（メタデータ） (2026-05-05T15:20:15Z) - SynAgent: Generalizable Cooperative Humanoid Manipulation via Solo-to-Cooperative Agent Synergy [59.86199649493784]
制御可能な協調的ヒューマノイド操作は、インボディードインテリジェンスにとって根本的な問題である。
スケーラブルで物理的に妥当な協調操作を可能にするフレームワークであるSynAgentを提案する。
実験では、SynAgentは協調模倣と軌道条件制御の両方において既存のベースラインを著しく上回る。
論文 参考訳（メタデータ） (2026-04-20T17:46:20Z) - Joint Prediction of Human Motions and Actions in Human-Robot Collaboration [81.20389836121502]
我々は,人間の行動と行動の共役推定と予測のための階層的枠組みであるtextsfMA-HERPを紹介した。
本研究では, 筋骨格シミュレーションを用いて, 騒音下での正確な動き予測と頑健な動作推定を示す予備的な実験評価を行った。
論文 参考訳（メタデータ） (2026-04-03T14:40:07Z) - TATIC: Task-Aware Temporal Learning for Human Intent Inference from Physical Corrections in Human-Robot Collaboration [3.4672098154671995]
ヒューマンロボットコラボレーション(HRC)では、ロボットは動的タスクの制約にオンラインで適応し、人間の意図を進化させなければならない。
本稿では,トルクベース接触力推定とタスク対応時間畳み込みネットワーク(TCN)を利用した個別タスクレベルの意図を推定する統合フレームワークTATICを提案する。
実験は意図認識において0.904 Macro-F1のスコアを獲得し、ハードウェアの検証に成功した。
論文 参考訳（メタデータ） (2026-03-10T21:19:25Z) - A Distributed Multi-Modal Sensing Approach for Human Activity Recognition in Real-Time Human-Robot Collaboration [41.43425233041408]
本稿では,慣性計測ユニットを備えたモジュール型データグローブと,ロボットとの接触時の手の動きを捉える視覚ベースの触覚センサを組み合わせたHARシステムを提案する。
我々は,セグメント化シーケンスのオフライン分類,静的条件下でのリアルタイム分類,現実的なHRCシナリオなど,さまざまな条件下で活動認識アプローチを検証した。
実験の結果、全てのタスクに対して高い精度が示され、複数の協調的な設定がこのマルチモーダルアプローチの恩恵を受ける可能性が示唆された。
論文 参考訳（メタデータ） (2026-02-02T10:14:19Z) - Uni-Inter: Unifying 3D Human Motion Synthesis Across Diverse Interaction Contexts [59.78384600454231]
We present Uni-Inter, a unified framework for human motion generation that support a wide range of interaction scenarios。
Uni-Interは、異種インタラクティブエンティティを共有空間にエンコードするボリューム表現であるUnified Interactive Volume (UIV)を導入している。
論文 参考訳（メタデータ） (2025-11-17T06:32:38Z) - Learning Human-Object Interaction as Groups [52.28258599873394]
GroupHOIは、幾何学的近接性および意味的類似性の観点から文脈情報を伝播するフレームワークである。
これは、より困難な非言語間相互作用検出タスクにおいて、主要なパフォーマンスを示す。
論文 参考訳（メタデータ） (2025-10-21T07:25:10Z) - Multi-Agent Dynamic Relational Reasoning for Social Robot Navigation [50.01551945190676]
社会ロボットナビゲーションは、日常生活の様々な状況において有用であるが、安全な人間とロボットの相互作用と効率的な軌道計画が必要である。
本稿では, 動的に進化する関係構造を明示的に推論した系統的関係推論手法を提案する。
マルチエージェント軌道予測とソーシャルロボットナビゲーションの有効性を実証する。
論文 参考訳（メタデータ） (2024-01-22T18:58:22Z) - Modeling the Interaction between Agents in Cooperative Multi-Agent
Reinforcement Learning [2.9360071145551068]
対話型アクター・クリティック(IAC)と呼ばれる新しい協調型MARLアルゴリズムを提案する。
IACは政策と価値関数の観点からエージェントの相互作用をモデル化する。
連続制御タスクに値分解手法を拡張し、古典的な制御やマルチエージェント粒子環境を含むベンチマークタスク上でIACを評価する。
論文 参考訳（メタデータ） (2021-02-10T01:58:28Z)
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。