論文の概要: SHARE: Towards Head-Mounted AR with User-Centric SLAM in Shared Human-Robot Workspaces
- arxiv url: http://arxiv.org/abs/2607.23901v1
- Date: Mon, 27 Jul 2026 00:21:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-28 22:34:15.264054
- Title: SHARE: Towards Head-Mounted AR with User-Centric SLAM in Shared Human-Robot Workspaces
- Title（参考訳）: SHARE: 共有ロボットワークスペースにおけるユーザ中心SLAMによるヘッドマウントARの実現
- Authors: Tianyuan Du, Tianyi Hu, Hanting Ye, Maria Gorlatova,
- Abstract要約: SHAREは、ロボットの正確なトラッキング性能を維持しながら、ARユーザエクスペリエンスを戦略的に優先する、ユーザ中心のSLAMシステムである。
商用ARヘッドセットと地上ロボットによる現実世界の展開は、ARユーザの平均遅延時間を13.22ms達成している。
- 参考スコア（独自算出の注目度）: 8.896170558648011
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Human-Robot Collaboration (HRC) in shared physical spaces using Augmented Reality (AR) interfaces is powered by Simultaneous Localization and Mapping (SLAM). Existing multi-agent SLAM systems rely on an edge server to combine visual findings of multiple resource-constrained agents, perform computation, and schedule updates to their local maps. However, the edge treats all agents uniformly and ignores the fundamentally different latency requirements of heterogeneous HRC agents: robots and head-mounted AR users. This uniform resource allocation often results in high lag for user manipulation, as it does not meet the stringent latency requirements of AR. In this work, we design, implement, and evaluate SHARE, a user-centric SLAM system that strategically prioritizes AR user experience while maintaining accurate tracking performance for robots. SHARE builds a first-of-its-kind experience model for HRC agents and adaptively adjusts transmission priorities to match it. To reduce end-to-end latency, SHARE leverages the redundancy of visual features acquired by agents in shared human-robot workspaces to reduce computation time induced by edge-based processing. Real-world deployment with commercial AR headsets and a ground robot achieves 13.22 ms average latency for AR users (43.3% reduction from baseline) while maintaining sub-2-centimeter tracking accuracy. User studies further reveal statistically significant improvements in user perception.
- Abstract（参考訳）: Augmented Reality (AR) インタフェースを用いた共有物理空間におけるヒューマンロボット協調(HRC)は、同時局所化とマッピング(SLAM)によって実現される。
既存のマルチエージェントSLAMシステムはエッジサーバに依存しており、複数のリソース制約されたエージェントの視覚的な発見を組み合わせ、計算を行い、ローカルマップの更新をスケジュールする。
しかし、エッジはすべてのエージェントを均一に扱い、ヘテロジニアスなHRCエージェント(ロボットとヘッドマウントARユーザ)の基本的なレイテンシ要件を無視している。
この均一なリソース割り当ては、ARの厳しいレイテンシ要件を満たしていないため、ユーザ操作に高い遅延をもたらすことが多い。
本研究では,ロボットの正確なトラッキング性能を維持しつつ,ARユーザエクスペリエンスを戦略的に優先するユーザ中心のSLAMシステムであるSHAREの設計,実装,評価を行う。
SHAREは、HRCエージェントのための第一種体験モデルを構築し、それに合わせて送信優先度を適応的に調整する。
エンドツーエンドのレイテンシを低減するため、SHAREは、共有されたヒューマンロボットワークスペースでエージェントが取得した視覚的特徴の冗長性を活用して、エッジベースの処理によって引き起こされる計算時間を短縮する。
商用ARヘッドセットと地上ロボットによる実世界の展開は、ARユーザの平均遅延(ベースラインから43.3%削減)を13.22ms達成し、サブ-2センチメートルトラッキングの精度を維持している。
ユーザスタディはさらに、ユーザの知覚における統計的に重要な改善を明らかにしている。
関連論文リスト
- ARTOO-DARTU: Studying AR-HRC With AR Obstruction Mitigation During a Warehouse Task [5.280137800241411]
ユーザのためのロボットチーム(ARTOO-DARTU)を支援しながら、障害物回避のための拡張現実技術の導入について紹介する。
ARTOO-DARTUは、障害物検出・緩和パイプライン(ODM)を通して現実世界の視認性を維持しつつ、リアルタイムロボットの位置分析と制御を可能にする
ユーザスタディでは、設計したAR位置分析により、全体のHRCタスクにおいて46%の効率向上が得られたが、ODMがアクティブになったときのみに限られていた。
論文 参考訳（メタデータ） (2026-06-23T21:48:49Z) - Towards Ubiquitous Mapping and Localization for Dynamic Indoor Environments [0.0]
動的屋内環境におけるリアルタイムマッピングとローカライゼーションのための革新的なソリューションとして,UbiSLAMを提案する。
固定RGB-Dカメラのネットワークをワークスペース全体に戦略的に展開することで、UbiSLAMは従来のSLAMシステムでよく見られる制限に対処する。
我々は,最適なカメラ配置と配向のための自動校正や,リアルタイムデータ共有のための通信プロトコルの強化など,潜在的な解決策について議論する。
論文 参考訳（メタデータ） (2026-05-18T13:28:23Z) - RoboTracer: Mastering Spatial Trace with Reasoning in Vision-Language Models for Robotics [53.053660003572965]
本稿では,3次元空間参照と計測の両方を初めて実現した3D対応VLMであるRoboTracerを提案する。
RoboTracerは、強化微調整により、多段階のメートル法推論を進める。
本稿では,空間的トレーシングを評価する上で困難なベンチマークであるTraceSpatial-Benchを提案する。
論文 参考訳（メタデータ） (2025-12-15T18:52:43Z) - Task-Oriented Edge-Assisted Cross-System Design for Real-Time Human-Robot Interaction in Industrial Metaverse [26.171942521894675]
本稿では,デジタルツイン(DT)を用いたタスク指向エッジアシスト型クロスシステムフレームワークを提案する。
1)視覚フィードバックのためのプロアクティブなメタバースレンダリング,2)リモートデバイスのプリエンプティブコントロール。
論文 参考訳（メタデータ） (2025-08-28T11:10:41Z) - Transcending Dimensions using Generative AI: Real-Time 3D Model Generation in Augmented Reality [0.6573833167681101]
この研究は、生成AIと拡張現実(AR)を結合システムに組み合わせることで障壁を低くすることを目的としている。
2次元画像をAR環境の3次元表現に変換するという複雑な課題に対処する。
この研究は、特にゲーム、教育、ARベースのeコマースの応用に関係しており、専門スキルのないユーザー向けに直感的なモデル作成を提供する。
論文 参考訳（メタデータ） (2025-04-27T17:19:48Z) - FusionLLM: A Decentralized LLM Training System on Geo-distributed GPUs with Adaptive Compression [55.992528247880685]
分散トレーニングは、システム設計と効率に関する重要な課題に直面します。
大規模深層ニューラルネットワーク(DNN)のトレーニング用に設計・実装された分散トレーニングシステムFusionLLMを提案する。
本システムと手法は,収束性を確保しつつ,ベースライン法と比較して1.45～9.39倍の高速化を実現可能であることを示す。
論文 参考訳（メタデータ） (2024-10-16T16:13:19Z) - Robust Collaborative Perception without External Localization and Clock Devices [52.32342059286222]
複数のエージェントをまたいだ一貫した空間的時間的調整は、協調的な知覚の基礎である。
従来の手法は、ローカライゼーションとクロック信号を提供するために外部デバイスに依存している。
本稿では,様々なエージェントの知覚データに内在する幾何学的パターンを認識して整列する手法を提案する。
論文 参考訳（メタデータ） (2024-05-05T15:20:36Z) - LaMAR: Benchmarking Localization and Mapping for Augmented Reality [80.23361950062302]
異種ARデバイスでキャプチャされたリアルな軌跡とセンサストリームを共登録する,包括的キャプチャとGTパイプラインを備えた新しいベンチマークであるLaMARを紹介する。
私たちは、ヘッドマウントとハンドヘルドARデバイスで記録された多様な大規模シーンのベンチマークデータセットを公開します。
論文 参考訳（メタデータ） (2022-10-19T17:58:17Z) - PS-ARM: An End-to-End Attention-aware Relation Mixer Network for Person
Search [56.02761592710612]
モジュール・パーソン・サーチのための新しいアテンション・アウェア・リレーション・ミキサー(ARM)を提案する。
私たちのARMモジュールはネイティブで、きめ細かい監督やトポロジカルな仮定に依存していません。
我々のPS-ARMは、両方のデータセットで最先端のパフォーマンスを達成する。
論文 参考訳（メタデータ） (2022-10-07T10:04:12Z) - Edge Robotics: Edge-Computing-Accelerated Multi-Robot Simultaneous
Localization and Mapping [22.77685685539304]
RecSLAMは、ロボットエッジクラウドアーキテクチャ下でのマップ構築プロセスの高速化に焦点を当てたマルチロボットレーザーSLAMシステムである。
ロボット上でグラフィックマップを生成し、それらをクラウド上で完全にマージする従来のマルチロボットSLAMとは対照的に、RecSLAMは階層的なマップ融合技術を開発する。
大規模な評価では、RecSLAMは最先端よりも39%の処理遅延を削減できる。
論文 参考訳（メタデータ） (2021-12-25T10:40:49Z)
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。