論文の概要: Adaptive Human-Robot Collaborative Painting Combining Preference-Based Optimization and Dynamic Motion Primitives

• arxiv url: http://arxiv.org/abs/2608.01981v1
• Date: Mon, 03 Aug 2026 09:42:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-04 15:07:25.476438
• Title: Adaptive Human-Robot Collaborative Painting Combining Preference-Based Optimization and Dynamic Motion Primitives
• Title（参考訳）: 選好最適化と動的動作プリミティブを組み合わせた適応型人間ロボット協調絵画
• Abstract要約: 本研究は,PBO(Preference-Based Optimization)とDMP(Dynamic Movement Primitives)を統合し,絵画などのロボット支援タスクを最適化する,人間中心の協調フレームワークを提案する。 このシステムでは、ロボットが動作をリアルタイムで調整している間に、操作者の手の動きに合わせて動的に曲の向きを調整することができる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This work presents a human-centered collaborative framework that integrates Preference-Based Optimization (PBO) and Dynamic Movement Primitives (DMPs) to optimize robot-assisted tasks such as painting. The system allows the operator to perform the process while the robot adapts its behavior in real-time, dynamically adjusting the orientation of the piece in order to match the orientation of the operator's hand. The PBO framework leverages the GLISp algorithm to iteratively refine control parameters such as execution time, robot responsiveness, and rotation amplification through human feedback. Moreover, DMPs have been modified to enhance the reactive behavior of the robot and its adaptability to ergonomic requirements. The method was validated with a heterogeneous group of participants executing \rev{painting tasks}. The results show that our strategy effectively reduces operator effort while optimizing process outcomes.
• Abstract（参考訳）: 本研究は,PBO(Preference-Based Optimization)とDMP(Dynamic Movement Primitives)を統合し,絵画などのロボット支援タスクを最適化する,人間中心の協調フレームワークを提案する。 このシステムでは、ロボットが動作をリアルタイムで調整している間に、操作者の手の動きに合わせて動的に曲の向きを調整することができる。 PBOフレームワークは、GLISpアルゴリズムを利用して、人間のフィードバックによる実行時間、ロボットの応答性、回転増幅などの制御パラメータを反復的に洗練する。 さらに、DMPはロボットの反応性挙動と人間工学的要求への適応性を高めるために修正されている。 この方法は,rev{painting tasks}を実行する参加者の異種グループで検証された。 その結果,プロセスの結果を最適化しながら,運用者の労力を効果的に削減できることが示唆された。

関連論文リスト

• GigaWorld-Policy-0.5: A Faster and Stronger WAM Empowered by AutoResearch [66.7936140772745]
  本稿では,より効率的なロボット制御を目的としたアクション中心型WAMであるGigaWorld-Policy-0.5を紹介する。 効率的な推論のために、GigaWorld-Policy-0.5はMixture-of-Transformersアーキテクチャを導入している。 GigaWorld-Policy-0.5は,ロボット制御の推論効率を向上しつつ,将来の視覚力学のトレーニング効果を保っている。
  論文  参考訳（メタデータ） (2026-07-15T15:46:42Z)
• Task-free Adaptive Meta Black-box Optimization [55.461814601130044]
  対象タスクからのみ最適化データを用いてオンラインパラメータ適応を行うアダプティブメタブラックボックス最適化モデル(ABOM)を提案する。 メタトレーニングと最適化フェーズを分離する従来のメタBBOフレームワークとは異なり、ABOMはクローズドループパラメータ学習機構を導入し、パラメータ化された進化演算子を継続的に自己更新する。 このパラダイムシフトはゼロショット最適化を可能にする: 合成BBOベンチマークにおけるABOMの競合性能と、手作りのトレーニングタスクを伴わない現実的な無人飛行路計画問題。
  論文  参考訳（メタデータ） (2026-01-29T09:54:10Z)
• Optimized Scheduling and Positioning of Mobile Manipulators in Collaborative Applications [4.497527935481452]
  ロボット協調環境における移動マニピュレータのディジタルモデルに基づく最適化フレームワークを提案する。 協調的な箱詰めシナリオにおいて、サイクルタイム、タスクシークエンシング、人間の存在適応の改善を実証する。
  論文  参考訳（メタデータ） (2025-12-19T13:50:07Z)
• FreeAction: Training-Free Techniques for Enhanced Fidelity of Trajectory-to-Video Generation [50.39748673817223]
  本稿では,ロボットビデオ生成における明示的な動作パラメータを完全に活用する2つのトレーニング不要な推論時間手法を提案する。 第一に、アクションスケールの分類器フリーガイダンスは、動作の大きさに比例して誘導強度を動的に調整し、運動強度に対する制御性を高める。 第二に、アクションスケールノイズトランケーションは、初期サンプルノイズの分布を調整し、所望の運動力学とよりよく一致させる。
  論文  参考訳（メタデータ） (2025-09-29T03:30:40Z)
• Human-assisted Robotic Policy Refinement via Action Preference Optimization [26.144183856600687]
  行動選好最適化(Action Preference Optimization、APO)は、視覚・言語・行動モデル(VLA)を人間の操作による選好アライメントによって洗練する手法である。 これを解決するために、APOは相互作用から導出される二元的望ましくない信号を用いた適応的再重み付けアルゴリズムを提案する。 シミュレーションと実世界のシナリオで行われた実験は、より優れた一般化とロバスト性を示す。
  論文  参考訳（メタデータ） (2025-06-08T13:14:18Z)
• Latent Adaptive Planner for Dynamic Manipulation [43.959104380268066]
  Latent Adaptive Planner (LAP) は、動的非包括的操作のための軌道レベルの遅延変数ポリシーである。 LAPは低次元の潜在空間における推論として計画を定式化し、人間のデモビデオから効果的に学習する。
  論文  参考訳（メタデータ） (2025-05-06T00:09:09Z)
• Design Optimizer for Soft Growing Robot Manipulators in Three-Dimensional Environments [0.7209792639354117]
  ソフト成長ロボットは、散らかったり危険な環境下でのナビゲーションのための植物のような成長を模倣する新しいデバイスである。 本研究は,ソフト成長ロボットの設計最適化のためのアプローチを提案する。 これは、特定のタスクを解くためのロボットの最適なサイズを示唆している。
  論文  参考訳（メタデータ） (2024-12-31T09:44:18Z)
• A Local Information Aggregation based Multi-Agent Reinforcement Learning for Robot Swarm Dynamic Task Allocation [4.144893164317513]
  分散化された部分観測可能なマルコフ決定プロセス(Dec_POMDP)を用いた新しいフレームワークを提案する。 我々の方法論の核心は、局所情報集約多元決定政策勾配(LIA_MADDPG)アルゴリズムである。 実験により,LIAモジュールは様々なCTDEベースのMARL法にシームレスに統合可能であることが示された。
  論文  参考訳（メタデータ） (2024-11-29T07:53:05Z)
• MotionRL: Align Text-to-Motion Generation to Human Preferences with Multi-Reward Reinforcement Learning [99.09906827676748]
  我々は、テキスト・ツー・モーション生成タスクを最適化するために、Multi-Reward Reinforcement Learning(RL)を利用する最初のアプローチであるMotionRLを紹介する。 我々の新しいアプローチは、人間の知覚モデルに関する知識以前の人間の嗜好に基づいて、強化学習を用いて運動生成体を微調整する。 さらに、MotionRLは、テキストのアテンデンス、モーションクオリティ、人間の好みの最適性を近似する、新しい多目的最適化戦略を導入している。
  論文  参考訳（メタデータ） (2024-10-09T03:27:14Z)
• Human-Robot Skill Transfer with Enhanced Compliance via Dynamic Movement Primitives [1.7901837062462316]
  本研究では,動的運動プリミティブ(Dynamic Movement Primitives)フレームワークにおいて,人間の実演から動的特徴を抽出し,パラメータを自動チューニングする体系的手法を提案する。 本手法は,LfDとRLの両方に追従するロボット軌道を再現するために,人間の動的特徴を抽出するための実際のロボット装置に実装した。
  論文  参考訳（メタデータ） (2023-04-12T08:48:28Z)
• Learning Implicit Priors for Motion Optimization [105.11889448885226]
  エネルギーベースモデル(EBM)は、表現力のある確率密度分布を表す。 本稿では,EMMを動作最適化に適用するために必要となるモデリングとアルゴリズムの選択について述べる。
  論文  参考訳（メタデータ） (2022-04-11T19:14:54Z)
• Consolidating Kinematic Models to Promote Coordinated Mobile Manipulations [96.03270112422514]
  我々は,移動体ベース,アーム,移動体操作で操作する物体の運動学を統合する仮想キネマティックチェイン(VKC)を構築した。 移動操作タスクは、構築されたVKCの状態を変更して表現され、移動計画問題に変換することができる。
  論文  参考訳（メタデータ） (2021-08-03T02:59:41Z)

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。