論文の概要: From Frame-Level Recognition to Event-Level Confirmation: Repair Traces and Runtime Failure Analysis of Public-Space Gesture Interaction
- arxiv url: http://arxiv.org/abs/2607.21601v1
- Date: Sun, 03 May 2026 21:21:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-02 22:55:38.932972
- Title: From Frame-Level Recognition to Event-Level Confirmation: Repair Traces and Runtime Failure Analysis of Public-Space Gesture Interaction
- Title（参考訳）: フレームレベル認識からイベントレベル確認へ:修復トレースとパブリックスペースジェスチャインタラクションの実行時障害解析
- Abstract要約: これを認識と相互作用のギャップと呼ぶ。
本稿では,景観と景観の対話型キオスクプロジェクトから8つの工学的修復記録を解析する。
繰り返し発生する修復機構を,ハンドランドマークモデルとインタラクションタスクの間のイベントレベルのランタイム抽象化に整理する。
- 参考スコア（独自算出の注目度）: 2.266434739615348
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Public-space gesture interaction is often evaluated as a frame-level recognition problem, but deployed systems expose a different failure boundary. In scenic kiosks, exhibition halls, and service terminals, users experience whether an intended action becomes a stable interaction event, not whether individual hand-landmark frames are correct. We call this the recognition-to-interaction gap. This paper analyzes 8 engineering repair records from a scenic-area interactive kiosk project, covering 4 gesture tasks: two-hand bowing, single-hand fist shaking, two-hand catching control, and knowledge-graph node hovering. From these traces, we extract 20 failure instances and organize them into six non-exclusive working failure classes: model-output degeneration, temporal mismatch, geometric-scale instability, coordinate-rendering mismatch, runtime lifecycle failure, and feedback synchronization and recovery failure. We further organize recurring repair mechanisms into an event-level runtime abstraction between the hand-landmark model and the interaction task. The contribution is deliberately bounded: a deployment-grounded failure taxonomy, an event-confirmation runtime abstraction, and case-study findings. We do not claim a new recognition model, large-scale user evaluation, or quantified accuracy gains.
- Abstract（参考訳）: パブリックスペースのジェスチャーインタラクションはフレームレベルの認識問題として評価されることが多いが、デプロイされたシステムは異なる障害境界を公開する。
景観キオスク、展示ホール、サービス端末では、個々のランドマークフレームが正しいかどうかに関わらず、ユーザが意図したアクションが安定したインタラクションイベントになるかどうかを経験する。
これを認識と相互作用のギャップと呼ぶ。
本稿では,2手弓,片手拳振,2手捕り制御,ナレッジグラフノードホバリングという4つのジェスチャータスクを網羅した,景勝手な対話型キオスクプロジェクトから8つの工学的修復記録を解析する。
これらのトレースから、20の障害インスタンスを抽出し、モデル出力デジェネレーション、時間的ミスマッチ、幾何学的スケールの不安定性、座標レンダリングミスマッチ、ランタイムライフサイクル障害、フィードバック同期とリカバリ障害の6つの非排他的機能障害クラスに編成する。
さらに、繰り返し発生する修復機構を、ハンドランドマークモデルとインタラクションタスクの間のイベントレベルのランタイム抽象化に整理する。
デプロイメント基盤の障害分類、イベント確認ランタイムの抽象化、ケーススタディの発見などだ。
我々は,新しい認識モデル,大規模ユーザ評価,量子化精度ゲインを主張しない。
関連論文リスト
- The Intervention Gap in Latent World Models [0.0]
計画時介入の忠実さは、学習された世界モデルの際立った、測定可能な特性である。
リリースされたTD-MPC2チェックポイントサイズ全体で、タスクオブザーバのオペレータエラー診断が増加するにつれて、エピソードリターンが減少する。
タスク信号無しで訓練された自己教師付き世界モデルは、共有タスク上のタスク選択モデルよりもかなり優れた演算子を保存する。
論文 参考訳（メタデータ） (2026-08-30T19:47:51Z) - DoublesEval: Diagnosing Multi-Agent Tactical Reasoning in Vision-Language Models via Professional Doubles Badminton [1.6892008660392037]
視覚言語モデル(VLM)は、視覚的なシーンコンテンツを記述するのに優れていますが、動的マルチエージェントインタラクションについて考えるのに苦労しています。
我々はこの能力をtextbfmulti-agent 戦術推論として定式化し、診断評価フレームワーク textbfDoublesEval を導入する。
DoublesEvalはキーモーメントベースのプロトコルを使用して、ラリーを戦術的に健全な瞬間に分解し、4つの解釈可能な次元にわたってモデルをプローブする。
論文 参考訳（メタデータ） (2026-08-25T11:51:01Z) - ScrambleToolBench: Agents Search Exhaustively Even When Their Own Map Points to the Next Step [74.83535434786145]
ScrambleToolBenchは,行動推論の分離を目的とした対話型端末ベンチマークである。
このベンチマークでは、エージェントがテストとエラーのインタラクションを通じて、隠されたツールの振る舞いを明らかにする必要がある。
現状の言語モデルに対する我々の評価は、初期発見が成功しても頑健な適応にはならないことを示している。
論文 参考訳（メタデータ） (2026-08-03T15:07:46Z) - Experience Memory Graph: One-Shot Error Correction for Agents [9.23684438376937]
大規模言語モデル(LLM)エージェントは、エラーを複雑にし、障害から回復するのに苦労する。
既存の自己補正機構は本質的に不安定なプロンプトベースの反射に依存している。
本稿では,エージェント障害回復をグラフマッチング問題として再構成するフレームワークであるExperience Memory Graph (EMG)を提案する。
論文 参考訳（メタデータ） (2026-07-15T14:33:15Z) - REAL-OW: Rehearsal-free Open World Object Detection with Low-Rank Adaptation and Dual-Stage Objectness Modeling [56.888597798431704]
Open-World Object Detection (OWOD) では、未確認のオブジェクトを未知のものとして識別し、それを既知のカテゴリのセットにインクリメンタルに組み込む必要がある。
既存のフレームワークは、破滅的な忘れを緩和するために、模範的なリプレイに大きく依存しているが、実際のアプリケーションでは、データアクセス制限との生データ競合を保存し、データ露出のリスクをもたらす。
協調的なアダプタアーキテクチャを通じて段階的な知識を分離する新しいリハーサルフリーフレームワークであるREAL-OWを提案する。
論文 参考訳（メタデータ） (2026-07-03T06:38:54Z) - Foresight: Failure Detection for Long-Horizon Robotic Manipulation with Action-Conditioned World Model Latents [58.49879338545782]
ロングホライゾンタスクは、現実のロボット展開では一般的なものだが、そのようなタスクの障害検出は未調査のままである。
動作条件付き世界モデルからの潜在表現を用いて、操作軌跡をモニタする故障検出フレームワークであるForesightを提案する。
この結果から, 動作条件付きワールドモデル埋め込みは, 長距離操作における信頼性のある故障監視のためのスケーラブルな表現を提供する可能性が示唆された。
論文 参考訳（メタデータ） (2026-06-22T09:32:28Z) - Guardian: Detecting Robotic Planning and Execution Errors with Vision-Language Models [53.20969621498248]
本稿では,多種多様な計画および実行障害を生成するために,軌道を手続き的に乱す自動ロボット故障合成手法を提案する。
RLBench-Fail, BridgeDataV2-Fail, UR5-Failの3つの新しい故障検出ベンチマークを構築した。
次に、詳細な障害推論と検出のためのマルチビューイメージを備えたVLMであるGuardianをトレーニングします。
論文 参考訳（メタデータ） (2025-12-01T17:57:27Z) - A Unified Framework for Real-Time Failure Handling in Robotics Using Vision-Language Models, Reactive Planner and Behavior Trees [1.3481665321936716]
本稿では,リアクティブプランナであるVLM(Vision-Language Models)とBT(Behavior Trees)を組み合わせて,リアルタイムの障害処理を実現する,統合された障害復旧フレームワークを提案する。
当社のアプローチには、実行前の潜在的な障害をチェックする事前実行検証と、実行中の障害を検出し修正するリアクティブ障害処理が含まれている。
我々は、ペグ挿入、オブジェクトソート、引き手の配置といったタスクにおいて、ABB YuMiロボットを用いた実世界の実験を通して、我々のフレームワークを評価する。
論文 参考訳（メタデータ） (2025-03-19T13:40:56Z) - A Multimodal Handover Failure Detection Dataset and Baselines [26.688186901646223]
ロボットと人間の間のオブジェクトハンドオーバは、失敗しがちな協調アクションである。
人間の参加による予防不可能な失敗を考慮に入れたデータセットや評価方法が欠如している。
本稿では,人間によって誘導される障害からなるマルチモーダルハンドオーバエラー検出データセットを提案する。
また、3次元CNNを用いたビデオ分類法と、時間的アクションセグメンテーション法という、ハンドオーバ障害検出のための2つのベースライン手法を提案する。
論文 参考訳（メタデータ） (2024-02-28T13:29:28Z) - CoSeg: Cognitively Inspired Unsupervised Generic Event Segmentation [118.18977078626776]
イベントセグメンテーション/バウンダリ検出のためのエンドツーエンドの自己教師型学習フレームワークを提案する。
本フレームワークは, イベント境界を再構成誤差で検出するトランスフォーマーに基づく特徴再構成手法を利用する。
私たちの研究の目標は、特定のイベントをローカライズするのではなく、ジェネリックイベントをセグメント化することです。
論文 参考訳（メタデータ） (2021-09-30T14:40:32Z) - Distribution Alignment: A Unified Framework for Long-tail Visual
Recognition [52.36728157779307]
長尾視覚認識のための分散アライメント戦略を提案する。
次に,二段階学習における一般化された再重み付け法を導入して,事前のクラスバランスをとる。
提案手法は, 4つの認識タスクすべてにおいて, 単純で統一されたフレームワークを用いて最先端の結果を得る。
論文 参考訳（メタデータ） (2021-03-30T14:09:53Z)
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。