論文の概要: Enabling Scalable Kinesthetic Teaching via Observer-based Hand-guiding with Active Support

• arxiv url: http://arxiv.org/abs/2608.10847v1
• Date: Tue, 11 Aug 2026 12:19:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-12 19:14:46.0376
• Title: Enabling Scalable Kinesthetic Teaching via Observer-based Hand-guiding with Active Support
• Title（参考訳）: 能動支援を用いたオブザーバを用いた手指指導によるスケーラブルな審美教育の実現
• Abstract要約: ロボットハンドガイドによる審美教育は、模倣学習やプログラミング・バイ・デモのデモンストレーションを収集するための自然なインターフェースを提供する。 現在の産業用ハンドガイドのアプローチは、通常、アクティブなアシストを提供しておらず、手首に装着した力トルクセンサーや、新しいタスクでは利用できない学習された動作先に依存した代替手段が求められている。 RHOASは,演算子意図の動作を,追加ハードウェアを使わずにモデルベース力推定を用いて積極的に支援する手動誘導方式である。
• 参考スコア（独自算出の注目度）: 1.9949261242626626
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Kinesthetic teaching through robot hand-guiding provides a natural interface for collecting demonstrations in imitation learning and programming-by-demonstration. However, extended sessions cause operator fatigue, reducing demonstration quality and limiting scalability. Current industrial hand-guiding approaches typically provide no active assistance, and alternatives require costly wrist-mounted force-torque sensors or rely on learned motion priors unavailable for new tasks. We propose RHOAS, a hand-guiding scheme that actively supports operator-intended motions using model-based force estimation without additional hardware. Our approach considers robot hand-guiding as an actively controlled interaction by the human operator, rather than an interaction with a passive environment. Standard methods used for hand-guiding typically rely on general passivity-based compliant control architectures that unnecessarily increase operator effort and limit the range of demonstrable motions without providing the intended stability guarantees in active interaction. Instead, our design utilizes model-based external torque estimation, internal joint torque sensing, and redundant robot kinematics to actively support human physical input within the human interaction frequency bandwidth. We address practical challenges of relying on observer-based force estimation, including suppression of unmodeled joint elastic dynamic effects and measurement noise in the feedback path, reduced estimate accuracy close to kinematic singularities, and static gravity compensation errors. In a user study with 16 participants on a KUKA LWR iiwa we demonstrate statistically significant reductions in physical effort, improved maneuverability for both precise and agile tasks, and clear user preference.
• Abstract（参考訳）: ロボットハンドガイドによる審美教育は、模倣学習やプログラミング・バイ・デモのデモンストレーションを収集するための自然なインターフェースを提供する。 しかし、拡張セッションはオペレータの疲労、デモ品質の低下、スケーラビリティの制限を引き起こす。 現在の産業用ハンドガイドのアプローチは、通常、アクティブなアシストを提供しておらず、手首に装着した力トルクセンサーや、新しいタスクでは利用できない学習された動作先に依存した代替手段が求められている。 RHOASは,演算子意図の動作を,追加ハードウェアを使わずにモデルベース力推定を用いて積極的に支援する手動誘導方式である。 本手法では,ロボットハンドガイドを受動的環境とのインタラクションではなく,人間の操作者による能動的制御によるインタラクションとみなす。 ハンドガイドに使用される標準的な手法は一般的に、操作者の労力を不要に増加させ、アクティブな相互作用において意図された安定性を保証することなく、実証可能な動作の範囲を制限する、一般的なパスティビティベースのコンプライアンス制御アーキテクチャに依存している。 その代わりに、モデルに基づく外転トルク推定、内部関節トルクセンシング、冗長なロボット運動学を用いて、人間の相互作用周波数帯域内での人体入力を積極的に支援する。 本研究では,非モデル化継手弾性効果の抑制やフィードバック経路の計測ノイズ,運動特異点に近い推定精度の低減,静的重力補償誤差など,観測者に基づく力推定の実践的課題に対処する。 KUKA LWR Iiwaで16名の参加者を対象に行ったユーザスタディでは,身体的労力の統計的に有意な削減,正確なタスクとアジャイルタスクの操作性の向上,ユーザの好みの明確化が示された。

関連論文リスト

• IMPACT: Learning Internal-Model Predictive Control for Forceful Robotic Manipulation [43.12484757720005]
  実世界のロボット操作タスクは、しばしば環境との力強い相互作用を伴う。 我々は、これらの強制的なタスクをタスク計画と内部モデルに基づく予測制御に分離するフレームワークIMPACTを提案する。
  論文  参考訳（メタデータ） (2026-06-09T13:00:56Z)
• Adaptive vs. Static Robot-to-Human Handover: A Study on Orientation and Approach Direction [0.3425341633647625]
  本研究は、ユーザの手ポーズと意図した下流タスクに基づいて、オブジェクトの配信ポーズをリアルタイムで動的に調整する、新しい適応フレームワークを提案する。 総合的なユーザスタディでは、提案した静的ベースラインに対する適応的アプローチを複数のタスクで比較している。 その結果、動的アライメントは、ロボットの信頼性に対する信頼感を高めながら、ユーザの認知的作業負荷と生理的ストレスを著しく減少させることが示された。
  論文  参考訳（メタデータ） (2026-04-24T09:14:44Z)
• Learn Weightlessness: Imitate Non-Self-Stabilizing Motions on Humanoid Robot [56.377161933570335]
  人間は自然に非自己安定化(NSS)運動中に「無重力」状態を利用する。 この生物学的メカニズムに着想を得て,データセットのアノテーションに対する無重力自動ラベル方式を提案する。 我々の研究は、正確な軌道追跡と適応的な環境相互作用のギャップを埋め、接触リッチなヒューマノイド制御のための生物学的にインスパイアされたソリューションを提供する。
  論文  参考訳（メタデータ） (2026-04-23T07:10:05Z)
• Consistency-Driven Dual LSTM Models for Kinematic Control of a Wearable Soft Robotic Arm [33.333272339511446]
  本稿では,ウェアラブルデバイスに組み込まれた空気圧作動式ロボットアームの前方および逆運動学を正確に学習するための一貫性駆動型デュアルLSTMフレームワークを提案する。 この手法は, アクティベーション入力とエンドエフェクタ位置の1対1マッピング問題に対処しながら, ソフト空気圧アクチュエータの非線形およびヒステリックな挙動を効果的に捉えている。
  論文  参考訳（メタデータ） (2026-03-18T12:51:12Z)
• ULTRA: Unified Multimodal Control for Autonomous Humanoid Whole-Body Loco-Manipulation [55.467742403416175]
  本稿では,大規模モーションキャプチャをヒューマノイドに変換する物理駆動型ニューラルネットワークを提案する。 我々は高密度参照とスパースタスク仕様の両方をサポートする統合マルチモーダルコントローラを学習する。 その結果,ULTRAは自我中心の知覚から,自律的,目標条件付き全体ロコ操作に一般化することが示された。
  論文  参考訳（メタデータ） (2026-03-03T18:59:29Z)
• CHIP: Adaptive Compliance for Humanoid Control through Hindsight Perturbation [70.5382178207975]
  hIsight Perturbation (CHIP)は、制御可能なエンドエフェクタ剛性を実現するプラグイン・アンド・プレイモジュールである。 CHIPの実装は簡単で、データ拡張も追加の報酬チューニングも必要ありません。 そこで本研究では,CHIPでトレーニングした汎用モーショントラッキングコントローラが,多種多様な操作タスクを実行できることを示す。
  論文  参考訳（メタデータ） (2025-12-16T18:56:04Z)
• 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)
• Towards Immersive Human-X Interaction: A Real-Time Framework for Physically Plausible Motion Synthesis [51.95817740348585]
  Human-Xは、様々な実体をまたいだ没入的で物理的に妥当なヒューマンインタラクションを可能にするために設計された、新しいフレームワークである。 本手法は, 自己回帰型反応拡散プランナを用いて, リアルタイムに反応と反応を同時予測する。 我々のフレームワークは、人間とロボットのインタラクションのための仮想現実インターフェースを含む、現実世界のアプリケーションで検証されている。
  論文  参考訳（メタデータ） (2025-08-04T06:35:48Z)
• DiG-Net: Enhancing Quality of Life through Hyper-Range Dynamic Gesture Recognition in Assistive Robotics [2.625826951636656]
  ロボット工学に特化して設計された新しいアプローチを導入し,最大30mの距離で動的ジェスチャー認識を実現する。 提案手法では,DADAブロックと時空間グラフモジュールを効果的に組み合わせ,距離対応ゲスチャネットワーク(DiG-Net)を提案する。 かなりの距離からジェスチャーを効果的に解釈することにより、DiG-Netは在宅医療、産業安全、遠隔支援シナリオにおける補助ロボットのユーザビリティを著しく向上させる。
  論文  参考訳（メタデータ） (2025-05-30T16:47:44Z)
• Dynamic Hand Gesture-Featured Human Motor Adaptation in Tool Delivery using Voice Recognition [5.13619372598999]
  本稿では,革新的なロボット協調フレームワークを提案する。 手の動きや動的動きの認識、音声認識、切り替え可能な制御適応戦略をシームレスに統合する。 ハンドジェスチャ認識における優れた性能を示す実験結果が得られた。
  論文  参考訳（メタデータ） (2023-09-20T14:51:09Z)
• Online Body Schema Adaptation through Cost-Sensitive Active Learning [63.84207660737483]
  この作業は、icubロボットシミュレータの7dofアームを使用して、シミュレーション環境で実行された。 コストに敏感な能動学習手法は最適な関節構成を選択するために用いられる。 その結果,コスト依存型能動学習は標準的な能動学習手法と同等の精度を示し,実行運動の約半分を減らした。
  論文  参考訳（メタデータ） (2021-01-26T16:01:02Z)

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。