論文の概要: Autonomous VR-Based Risk Detection for Situational Awareness in Dangerous Settings

• arxiv url: http://arxiv.org/abs/2607.16582v1
• Date: Sat, 18 Jul 2026 01:48:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-21 18:48:37.191781
• Title: Autonomous VR-Based Risk Detection for Situational Awareness in Dangerous Settings
• Title（参考訳）: 危険環境における状況認識の自律型VRによるリスク検出
• Abstract要約: 視覚言語モデル(VLM)は、安全クリティカルな環境でのシーン理解に強い可能性を示している。 VLM支援ロボットがシミュレートされた危険環境における状況認識をどのように支援できるかを研究するためのVRベースのヒューマンロボットインタラクションフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 6.393768354249935
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In high-risk environments such as disaster response, situational awareness depends not only on detecting hazards but also on communicating them clearly to human operators. Vision Language Models (VLMs) have shown strong potential for scene understanding in safety-critical settings, yet their value as part of human-facing robotic systems remains underexplored. We present a VR-based Human Robot Interaction framework for studying how VLM-assisted robots can support situational awareness in simulated hazardous environments. In our system, a robot explores a virtual scene and queries a VLM to identify potential hazards and annotate user-facing points of interest. These annotations are presented to a human operator through an immersive VR interface. This framework enables controlled evaluation of both robotic hazard identification and the communication of safety-critical information to users. Results from our study indicate that the annotated VR interface was preferred over the unannotated baseline and that participants reported high clarity, usefulness, and comfort when interacting with the system. These findings suggest that combining VLM-based robotic perception with immersive visualization is a promising approach for supporting situational awareness in hazardous settings.
• Abstract（参考訳）: 災害対応などのリスクの高い環境では、状況認識は、ハザードの検出だけでなく、人間のオペレーターに明確に伝達することにも依存する。 視覚言語モデル(VLM)は、安全クリティカルな環境でのシーン理解に強い可能性を示してきたが、人間の対面ロボットシステムの一部としての価値は未解明のままである。 VLM支援ロボットがシミュレートされた危険環境における状況認識をどのように支援できるかを研究するためのVRベースのヒューマンロボットインタラクションフレームワークを提案する。 本システムでは、ロボットが仮想シーンを探索し、VLMに問い合わせ、潜在的な危険を識別し、ユーザの関心点を注釈付けする。 これらのアノテーションは没入型VRインターフェースを通じて人間のオペレータに提示される。 このフレームワークは、ロボットの危険識別と安全クリティカル情報の通信の両方を制御した評価を可能にする。 以上の結果から,アノテートされたVRインターフェースは,無注釈のベースラインよりも好まれ,参加者はシステムとの対話において,高い明快さ,有用性,快適さを報告した。 これらの結果から,VLMに基づくロボット認識と没入型可視化を組み合わせることは,危険環境における状況認識を支援する上で有望なアプローチであることが示唆された。

関連論文リスト

• Safety in Embodied AI: A Survey of Risks, Attacks, and Defenses [168.50301366360344]
  Embodied AI (Embodied AI) は、知覚、認知、計画、相互作用を、安全クリティカルな環境で機能するエージェントに統合する。 デジタルAIシステムとは異なり、エンボディエージェントは不確実な検知、不完全な知識、動的な人間とロボットの相互作用の下で行動しなければならない。 この調査は、エンボディされたAIにおける安全性研究の包括的なレビューを提供し、完全なエンボディされたパイプラインにわたる攻撃と防御を調査している。
  論文  参考訳（メタデータ） (2026-03-28T13:21:44Z)
• OS-Sentinel: Towards Safety-Enhanced Mobile GUI Agents via Hybrid Validation in Realistic Workflows [77.95511352806261]
  VLM(Vision-Language Models)を利用したコンピュータ利用エージェントは、モバイルプラットフォームのようなデジタル環境を操作する上で、人間のような能力を実証している。 我々は,明示的なシステムレベルの違反を検出するための形式検証器と,文脈的リスクとエージェント行動を評価するコンテキスト判断器を組み合わせた,新しいハイブリッド安全検出フレームワークOS-Sentinelを提案する。
  論文  参考訳（メタデータ） (2025-10-28T13:22:39Z)
• ANNIE: Be Careful of Your Robots [48.89876809734855]
  エンボディドAIシステムに対する敵の安全攻撃に関する最初の体系的研究について述べる。 すべての安全カテゴリーで攻撃の成功率は50%を超えている。 結果は、実証済みのAIシステムにおいて、これまで未調査だったが、非常に連続的な攻撃面を露呈する。
  論文  参考訳（メタデータ） (2025-09-03T15:00:28Z)
• Context-Aware Risk Estimation in Home Environments: A Probabilistic Framework for Service Robots [2.5695499302569327]
  本稿では,サービスロボットにおけるリアルタイムのリスク認識向上を目的とした,日常の屋内シーンにおける事故発生地域を推定するための新しい枠組みを提案する。 提案手法は,セマンティックグラフに基づく伝搬アルゴリズムを用いて,オブジェクトレベルのリスクとコンテキストをモデル化する。 提案手法は,人間に注釈を付けたリスク領域を持つデータセット上で検証され,リスク検出精度は75%である。
  論文  参考訳（メタデータ） (2025-08-27T11:14:05Z)
• Don't Let Your Robot be Harmful: Responsible Robotic Manipulation via Safety-as-Policy [53.048430683355804]
  ロボット操作における人間の指示の実行は、深刻な安全性のリスクにつながる可能性がある。 i) 安全リスクを含むシナリオを自動生成し、仮想的なインタラクションを行う世界モデルと、(ii) 反射による結果を予測するメンタルモデルを含む。 本研究は, 安全行政がリスクを回避し, 合成データセットと実世界の両方の実験において, 効率的にタスクを完了できることを実証する。
  論文  参考訳（メタデータ） (2024-11-27T12:27:50Z)
• Exploring the Adversarial Vulnerabilities of Vision-Language-Action Models in Robotics [68.36528819227641]
  本稿では,ビジョン・ランゲージ・アクション(VLA)モデルのロバスト性を体系的に評価する。 本研究では,ロボット行動の不安定化に空間的基盤を活用する2つの未目標攻撃目標と,ロボット軌道を操作する目標攻撃目標を導入する。 我々は、カメラの視野に小さなカラフルなパッチを配置し、デジタルと物理の両方の環境で効果的に攻撃を実行する逆パッチ生成アプローチを設計する。
  論文  参考訳（メタデータ） (2024-11-18T01:52:20Z)
• Virtual Reality and Augmented Reality Security: A Reconnaissance and Vulnerability Assessment Approach [0.0]
  様々な業界が、生産性とユーザエクスペリエンスを向上させるために、VR(Virtual Reality)とAR(Augmented Reality)テクノロジーを広く採用している。 この体系的な文献レビューは、ARおよびVR技術で使用されるデバイスを特定し、関連する脆弱性を特定することに焦点を当てている。
  論文  参考訳（メタデータ） (2024-07-22T18:51:59Z)
• Commonsense Reasoning for Legged Robot Adaptation with Vision-Language Models [81.55156507635286]
  脚のついたロボットは、様々な環境をナビゲートし、幅広い障害を克服することができる。 現在の学習手法は、人間の監督を伴わずに、予期せぬ状況の長い尾への一般化に苦慮することが多い。 本稿では,VLM-Predictive Control (VLM-PC) というシステムを提案する。
  論文  参考訳（メタデータ） (2024-07-02T21:00:30Z)
• Privacy-Preserving Gaze Data Streaming in Immersive Interactive Virtual Reality: Robustness and User Experience [11.130411904676095]
  アイトラッキングデータが露出すれば、再識別攻撃に使用できる。 対話型VRアプリケーションのためのリアルタイムプライバシメカニズムを評価する手法を開発した。
  論文  参考訳（メタデータ） (2024-02-12T14:53:12Z)
• Floor extraction and door detection for visually impaired guidance [78.94595951597344]
  未知の環境で障害物のない経路を見つけることは、視覚障害者や自律ロボットにとって大きなナビゲーション問題である。 コンピュータビジョンシステムに基づく新しいデバイスは、障害のある人が安全な環境で未知の環境でナビゲートすることの難しさを克服するのに役立つ。 本研究では,視覚障害者のためのナビゲーションシステムの構築につながるセンサとアルゴリズムの組み合わせを提案する。
  論文  参考訳（メタデータ） (2024-01-30T14:38:43Z)
• Hazard recognition in an immersive virtual environment: Framework for the simultaneous analysis of visual search and EEG patterns [0.0]
  本研究は、労働者のハザード認識能力を高めるために、Immersive Virtual Environment(IVE)における仮想安全トレーニングを提案する。 アイトラッカーを備えたバーチャルリアリティ(VR)デバイスを装着した労働者は、シミュレーションされた建設現場の危険を仮想的に認識する。 このプラットフォームは、視覚的ハザード認識タスクにおける作業者の全体的なパフォーマンスを分析し、各作業者に追加の介入を必要とするハザードを特定する。
  論文  参考訳（メタデータ） (2020-03-14T20:12:38Z)

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。