論文の概要: Gimbal-Based Human Tracking for Companion Robots Using Continual Learning

• arxiv url: http://arxiv.org/abs/2608.21388v2
• Date: Tue, 15 Sep 2026 17:37:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.323967
• Title: Gimbal-Based Human Tracking for Companion Robots Using Continual Learning
• Title（参考訳）: 連続学習を用いた協調ロボットのギンバルに基づく人的追跡
• Abstract要約: 移動ロボットに組み込まれたジンバル搭載カメラを用いた人体追跡手法を提案する。 外観や環境条件の変化に対応するために、人物の再識別作業に継続的学習戦略を適用する。 実験の結果,提案システムは人間の追跡の安定性と連続性を大幅に向上させることがわかった。
• 参考スコア（独自算出の注目度）: 0.5161531917413708
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reliable and continuous human tracking is essential for natural human-robot interaction, particularly for companion robots. However, many existing approaches rely on wearable tags or fixed cameras with limited fields of view, which reduces system flexibility and often causes tracking failures when the target moves outside the sensing range. In this paper, we present a human tracking approach based on a gimbal-mounted camera integrated into a mobile robot. By actively controlling the gimbal mechanism, the camera can dynamically adjust its viewing direction to maintain the target within the field of view, even under substantial relative motion between the robot and the human. Furthermore, a continual learning strategy is applied to the person re-identification (ReID) task to adapt to changes in appearance and environmental conditions during long-term tracking. Experimental results demonstrate that the proposed system significantly improves the stability and continuity of human tracking, enables real-time re-identification, and provides responsive feedback for reliable tracking of human motion from walking to running. User studies further indicate that the proposed approach enhances user comfort by eliminating the need for wearable tags.
• Abstract（参考訳）: 信頼性と継続的な人間の追跡は、自然とロボットの相互作用、特に共用ロボットにとって不可欠である。 しかし、既存の多くのアプローチは、視野が限られているウェアラブルタグや固定カメラに依存しており、システムの柔軟性が低下し、ターゲットが感知範囲外に移動したときに障害を追跡することが少なくない。 本稿では,移動ロボットに組み込まれたジンバル搭載カメラを用いた人体追跡手法を提案する。 ジンバル機構をアクティブに制御することにより、ロボットと人間の相当な相対的な動きの下でも、カメラは視野内で目標を維持するために視方向を動的に調整することができる。 さらに、長期追跡中の外見や環境条件の変化に対応するために、人物再識別(ReID)タスクに継続的学習戦略を適用した。 実験の結果,提案システムは人間の追跡の安定性と連続性を大幅に改善し,リアルタイムな再識別を可能にし,歩行から走までの人間の動作の信頼性の高い追跡に応答性フィードバックを提供することがわかった。 さらにユーザスタディでは,ウェアラブルタグを不要にすることで,ユーザの快適性を高める方法が提案されている。

関連論文リスト

• SPOT: Spatial Perception-Oriented Long-Horizon Humanoid Teleoperation [35.4182413141688]
  SPOTは、ロボット搭載の魚眼カメラ、広視野の立体ディスプレイ、視点分離された自由な外観、そして視覚的安定化を組み合わせたものだ。 本研究では, 落下回復, 周辺検索, 大規模作業空間のバイマニュアル操作, 微調整, 動的相互作用にまたがる認識クリティカルなヒューマノイドデータ収集タスクにおけるSPOTの評価を行った。
  論文  参考訳（メタデータ） (2026-09-07T19:46:56Z)
• Face versus Body Tracking for Human-Robot Interaction: An Egocentric Dataset [7.3852311170912905]
  最先端のコンピュータビジョンモデルは、監視や自動運転に非常に最適化されている。 社会ロボットは、人間が跳ね返ったり、お互いを妨害したり、フレームを離れたりといった、異なる自我中心の課題に直面します。 我々は、Furhatロボットを介して収集された、新しい、カスタムアノテーション付きエゴセントリックデータセットを導入し、複雑な社会的ダイナミクスを捉える。
  論文  参考訳（メタデータ） (2026-06-02T14:15:17Z)
• 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)
• ActiveGlasses: Learning Manipulation with Active Vision from Ego-centric Human Demonstration [51.69384671495837]
  ActiveGlassesは、エゴ中心の人間のデモからロボット操作を学習するシステムである。 スマートグラスに装着されたステレオカメラは、データ収集とポリシー推論の両方のための唯一の認識装置として機能する。 ゼロ・トランスファーを可能にするために,デモからオブジェクト・トラジェクトリを抽出し,オブジェクト中心のポイント・クラウド・ポリシーを用いて操作と頭部運動を協調的に予測する。
  論文  参考訳（メタデータ） (2026-04-09T17:59:08Z)
• Navigation beyond Wayfinding: Robots Collaborating with Visually Impaired Users for Environmental Interactions [23.06831135567015]
  我々は,ロボットガイド犬の精密なセンシングと位置決め機能と,物理的な操作を行うユーザの能力を組み合わせた,協調的な人間ロボットアプローチを提案する。 評価の結果,従来の白杖や非適応案内システムよりも安全でスムーズで効率の良いナビゲーションが可能であることが示唆された。
  論文  参考訳（メタデータ） (2026-03-15T04:21:46Z)
• OmniTrack: General Motion Tracking via Physics-Consistent Reference [54.256312586493415]
  OmniTrackは、一般的なモーショントラッキングから物理的実現可能性を明確に分離する一般的なトラッキングフレームワークである。 実験により、OmniTrackは追跡精度を向上し、目に見えない動きに対して強力な一般化を示すことが示された。 実世界のテストでは、OmniTrackは、フリップやカートホイールのような複雑なアクロバティックな動きを含む、1時間の長さ、一貫性、安定したトラッキングを実現している。
  論文  参考訳（メタデータ） (2026-02-27T09:12:15Z)
• MeshMimic: Geometry-Aware Humanoid Motion Learning through 3D Scene Reconstruction [54.36564144414704]
  MeshMimicは、3Dシーンの再構築とインテリジェンスを組み込んだ革新的なフレームワークで、ヒューマノイドロボットがビデオから直接「モーション・テライン」インタラクションを学習できるようにする。 現状の3次元視覚モデルを活用することで、我々のフレームワークは、人間の軌跡と基礎となる地形や物体の3次元幾何学の両方を正確にセグメント化し再構築する。
  論文  参考訳（メタデータ） (2026-02-17T17:09:45Z)
• 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)
• ExBody2: Advanced Expressive Humanoid Whole-Body Control [16.69009772546575]
  人間のモーションキャプチャーとシミュレーションデータの両方に基づいてトレーニングされた全身トラッキングコントローラの製作法を提案する。 我々は,ロボットのキネマティクスに適合する中間データを生成するために,教師の方針を利用する。 少量のデータによる微調整により追跡性能が大幅に向上した。
  論文  参考訳（メタデータ） (2024-12-17T18:59:51Z)
• Open-World Drone Active Tracking with Goal-Centered Rewards [62.21394499788672]
  Drone Visual Active Trackingは、視覚的な観察に基づいてモーションシステムを制御することで、対象物を自律的に追跡することを目的としている。 DATは,世界初となるエア・ツー・グラウンド・トラッキング・ベンチマークである。 また,複雑なシナリオにおけるドローン追跡目標の性能向上を目的としたGC-VATを提案する。
  論文  参考訳（メタデータ） (2024-12-01T09:37:46Z)

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。