論文の概要: Perception-and-action system for humanoid robot task execution in construction

• arxiv url: http://arxiv.org/abs/2608.01600v1
• Date: Mon, 03 Aug 2026 02:12:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-04 15:07:25.298604
• Title: Perception-and-action system for humanoid robot task execution in construction
• Title（参考訳）: 建設におけるヒューマノイドロボットタスク実行の知覚・行動システム
• Abstract要約: 本研究では,ヒューマノイドロボットによる建設作業の学習と実行を可能にする新しい認識・行動システムを提案する。 Humanoid-PoseNetは人間の姿勢を抽出し、機械的に実現可能なヒューマノイドロボットのポーズに変換する。 Humanoid-ActionNetは、これらの翻訳されたポーズに基づいて、ロボット実行可能なアクションを学ぶ。
• 参考スコア（独自算出の注目度）: 2.135064068147605
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Humanoid robots, with their human-like shape and multi-tasking capabilities, are well-aligned with human-dominated workplaces, like those in civil and construction engineering, where they could collaborate with human workers or autonomously perform physically demanding and hazardous tasks. Despite this promise, limited research has explored how to endow these robots with the practical capabilities needed to perform construction tasks. To this end, this study proposes a novel perception-and-action system that enables humanoid robots to learn and perform construction tasks from worker demonstrations. This system contains two deep networks: Humanoid-PoseNet, which extracts human postures and translates them into mechanically feasible poses for a humanoid robot; and Humanoid-ActionNet, which learns robot-executable actions based on these translated poses. Experimental results demonstrate that the humanoid robot reliably executed eight construction-related actions, achieving an average motion-tracking error of 82.45 mm MPJPE (Mean Per Joint Position Error). This work provides an early step toward deploying humanoid collaborators in construction.
• Abstract（参考訳）: 人間のような形状とマルチタスクの能力を持つヒューマノイドロボットは、土木工学や建設工学など、人間の支配する職場とよく一致している。 この約束にもかかわらず、限定的な研究は、これらのロボットに建設作業を実行するために必要な実用的な能力を与える方法を模索してきた。 そこで本研究では,ヒューマノイドロボットが作業者のデモンストレーションから構築作業の学習と実行を可能にする,新しい認識・行動システムを提案する。 このシステムには、人間の姿勢を抽出して機械的に実現可能なポーズに変換するHumanoid-PoseNetと、これらの翻訳されたポーズに基づいてロボットの実行可能なアクションを学ぶHumanoid-ActionNetの2つの深いネットワークが含まれている。 実験の結果,ヒューマノイドロボットは8つの建設関連動作を確実に実行し,平均運動追跡誤差82.45mmMPJPE(Mean Per Joint Position Error)を達成した。 この作業は、建設中にヒューマノイドの協力者を配置するための初期段階を提供する。

関連論文リスト

• Towards Shared Embodied Intelligence in Humanoid Robots through Optimization Development and Testing of the Human Aware ergoCub Robot [13.188985776973107]
  本研究では,ロボットが人間と物理的に協調することを可能にするために,共有知性と認知を具体化するアーキテクチャを提案する。 我々のアーキテクチャは、人間のエルゴノミクス指標に関して、ロボットハードウェアと物理インテリジェンスパラメータを最適化する。 本稿では,人間との協調作業に最適化されたヒト型ロボットergoCubについて紹介する。
  論文  参考訳（メタデータ） (2026-05-26T13:13:41Z)
• HumanEgo: Zero-Shot Robot Learning from Minutes of Human Egocentric Videos [58.9564236347451]
  HumanEgoは、人間とロボットのエンボディメントギャップを橋渡しするフレームワークである。 それは、人間のデモを、手動オブジェクトの相互作用の実体レベルの表現へと持ち上げる。 HumanEgoは、ロボットのデータフリー、ハードウェア非依存、データ効率、ゼロショットの人間とロボットの転送を可能にする。
  論文  参考訳（メタデータ） (2026-05-24T08:26:41Z)
• HumanoidBench: Simulated Humanoid Benchmark for Whole-Body Locomotion and Manipulation [50.616995671367704]
  そこで本研究では,人型ロボットが器用な手を備えた,高次元シミュレーション型ロボット学習ベンチマークHumanoidBenchを提案する。 その結果,現在最先端の強化学習アルゴリズムがほとんどのタスクに支障をきたすのに対して,階層的学習アプローチはロバストな低レベルポリシーに支えられた場合,優れた性能を達成できることがわかった。
  論文  参考訳（メタデータ） (2024-03-15T17:45:44Z)
• Habitat 3.0: A Co-Habitat for Humans, Avatars and Robots [119.55240471433302]
  Habitat 3.0は、家庭環境における協調ロボットタスクを研究するためのシミュレーションプラットフォームである。 複雑な変形可能な体と外観と運動の多様性をモデル化する際の課題に対処する。 Human-in-the-loopインフラストラクチャは、マウス/キーボードまたはVRインターフェースを介してシミュレーションされたロボットとの実際のヒューマンインタラクションを可能にする。
  論文  参考訳（メタデータ） (2023-10-19T17:29:17Z)
• Cloud-Based Hierarchical Imitation Learning for Scalable Transfer of Construction Skills from Human Workers to Assisting Robots [0.0]
  本稿では,没入型クラウドロボティクスによる仮想実演フレームワークを提案する。 デモプロセスをデジタル化し、重い建設物の反復的な物理的操作を不要にする。 この枠組みは、人間の訓練を受けたロボットに建設作業の物理的歪みを委譲することにより、多様な身体能力を持つ労働者の参加を促進する。
  論文  参考訳（メタデータ） (2023-09-20T20:04:42Z)
• HERD: Continuous Human-to-Robot Evolution for Learning from Human Demonstration [57.045140028275036]
  本研究では,マイクロ進化的強化学習を用いて,操作スキルを人間からロボットに伝達可能であることを示す。 本稿では,ロボットの進化経路とポリシーを協調的に最適化する多次元進化経路探索アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-12-08T15:56:13Z)
• CoGrasp: 6-DoF Grasp Generation for Human-Robot Collaboration [0.0]
  そこで我々は,人間を意識したロボットグリップを生成する,CoGraspと呼ばれる新しいディープニューラルネットワーク方式を提案する。 実際のロボット実験では,安定グリップの生成において約88%の成功率を達成した。 我々のアプローチは、安全で自然で社会的に認識された人間ロボットオブジェクトのコグラスピング体験を可能にします。
  論文  参考訳（メタデータ） (2022-10-06T19:23:25Z)
• Show Me What You Can Do: Capability Calibration on Reachable Workspace for Human-Robot Collaboration [83.4081612443128]
  本稿では,REMPを用いた短時間キャリブレーションにより,ロボットが到達できると考える非専門家と地道とのギャップを効果的に埋めることができることを示す。 この校正手順は,ユーザ認識の向上だけでなく,人間とロボットのコラボレーションの効率化にも寄与することを示す。
  論文  参考訳（メタデータ） (2021-03-06T09:14:30Z)
• Human Grasp Classification for Reactive Human-to-Robot Handovers [50.91803283297065]
  本稿では,ロボットが人間に遭遇するロボットのハンドオーバに対するアプローチを提案する。 対象物をさまざまな手形やポーズで保持する典型的な方法をカバーする,人間の把握データセットを収集する。 本稿では,検出した把握位置と手の位置に応じて人手から対象物を取り出す計画実行手法を提案する。
  論文  参考訳（メタデータ） (2020-03-12T19:58:03Z)

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。