論文の概要: A Physics-Consistent Benchmark for Contact-Rich Human-Robot Interaction in Assistive Care
- arxiv url: http://arxiv.org/abs/2609.02402v1
- Date: Wed, 02 Sep 2026 10:14:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-03 17:53:18.232048
- Title: A Physics-Consistent Benchmark for Contact-Rich Human-Robot Interaction in Assistive Care
- Title（参考訳）: 補助ケアにおける人間とロボットの接触関係の物理一貫性ベンチマーク
- Abstract要約: 本稿では,ロボット支援入浴における人間-ロボット間相互作用の物理一貫性ベンチマークについて紹介する。
このベンチマークは、変形可能な、受動的に応答する人間の物理認識スコアと、タスクレベルの成功と、凍結した視覚のみ/スコアのみの評価プロトコルを組み合わせる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Conventional task-level evaluation asks whether a robot policy completes a specified action, but can miss failures that emerge only during physical human contact. This limitation is critical in contact-rich assistive tasks, where meaningful evaluation requires a physically responsive human, interaction-quality assessment beyond task success, and a leak-free observer-scorer protocol. We introduce a physics-consistent benchmark for contact-rich human-robot interaction, instantiated in robot-assisted bathing. The benchmark combines a deformable, passively responding human, physics-aware scores alongside task-level success, and a frozen vision-only / scorer-only evaluation protocol. To establish physical validity, region-wise simulated responses are calibrated against force-indentation measurements from Franka impedance pushes on a medical-care manikin. Under a frozen T1-T7 protocol with 140 runs per method, an LLM-augmented state machine (State Machine) achieves 72.9% task success but drops to 56.4% after correct-region and force-safety screening; VoxPoser produces lighter and more stable contact but completes only 27.9% of trials; and zero-shot pi0.5 achieves 0.7% task success with no correct-region or safety-gated successes. These results show that task completion alone does not imply physically valid contact and motivate physics-aware screening before deployment of contact-rich assistive robot policies.
- Abstract（参考訳）: 従来のタスクレベル評価では、ロボットポリシーが特定のアクションを完了したかどうかを問うが、物理的接触時にのみ発生する失敗を見逃す可能性がある。
この制限は、物理的にレスポンシブな人的評価、タスクの成功以上の相互作用品質の評価、漏洩のないオブザーバ・スコラープロトコルを必要とする、コンタクトリッチな補助作業において重要である。
本稿では,ロボット支援入浴における人間-ロボット間相互作用の物理一貫性ベンチマークについて紹介する。
このベンチマークは、変形可能な、受動的に応答する人間の物理認識スコアと、タスクレベルの成功と、凍結した視覚のみ/スコアのみの評価プロトコルを組み合わせる。
身体的妥当性を確立するために、フランカインピーダンスが医療用マニキンに押す力量測定に対して、地域的にシミュレーションされた応答を校正する。
フリーズされたT1-T7プロトコルでは、140のメソッドが実行され、LLM拡張ステートマシン(ステートマシン)は72.9%のタスク成功を達成するが、正しい領域と力の安全なスクリーニング後に56.4%に低下する。
これらの結果から, 作業完了だけでは, 接触に富む支援ロボットのポリシーが展開される前に, 物理的に有効な接触と物理認識のスクリーニングを意図していないことが示唆された。
関連論文リスト
- Facet-0: A Robotic Foundation Model for Contact-Rich Precise Manipulation [7.26562340208125]
ロボット基礎モデルであるFacet-0を提案する。
ManuFacet-1Kは3つの実施形態と複数の製造細胞にまたがる1000時間力同期コーパスである。
このシステムは5ミリ以下のコンピュータ組立タスクで平均82%成功し、最強のベースラインでは15%となる。
論文 参考訳（メタデータ） (2026-09-01T17:58:07Z) - HODAgent: Towards On-Demand, Responsive Humanoids for Physical World Human Interaction [18.76628104467029]
HODAgent(ホダジェント)は、ヒューマノイドロボットのためのシステム2エージェントである。
共有インターフェースはシミュレーションと物理ロボットを接続する。
その結果,システム2エージェントはシミュレーションと現実をまたいだ適応型ヒューマノイドサービスを実現することができた。
論文 参考訳（メタデータ） (2026-08-18T09:49:16Z) - Towards Human-level Dexterous Teleoperation [62.77371751776912]
人レベルのデキスタラス遠隔操作は、動的手動物体接触による物体の動きを正確に制御する必要がある。
我々は,操作者の意図を学習された低レベルのコンタクト実行にマッピングするハンドオブジェクト・コトラッキング・コントローラであるTeleDexterを紹介した。
我々はTeleDexterを、物体の向きを変える7つの難易度遠隔操作タスクと、両手にわたる長距離ツールを用いて評価した。
論文 参考訳（メタデータ） (2026-07-13T12:36:47Z) - ThorArena: Benchmarking Humanoid Physical Interaction with Human Motion-Force Demonstrations [24.273078797508884]
ThorArenaは、人間の動作と力の測定による人間のデモンストレーションに基づいて、力を認識するヒューマノイド相互作用を評価するためのベンチマークである。
本研究では,身体全体の追跡精度,力レベルの違いによる頑健性,制御力,エピソード生存率を共同評価する力覚評価指標を提案する。
論文 参考訳（メタデータ） (2026-07-07T09:26:51Z) - HRIBench: Benchmarking Interaction-Centric Human-Robot Collaboration [62.19372189311434]
HRIBenchは,実行シナリオに基づいた意図認識型人間ロボットコラボレーションの診断ベンチマークである。
HRIBenchは、エージェントの役割、時間的依存、調整の制約、人間の振る舞いの分布を明示的にモデル化する構造化シナリオスクリプトとして、協調的なタスクを表現している。
その結果,現状の基盤ロボット政策は,操作能力が強いにもかかわらず,協調的な環境下では極めて困難であることが示唆された。
論文 参考訳（メタデータ） (2026-07-05T09:15:35Z) - EnactToM: An Evolving Benchmark for Functional Theory of Mind in Embodied Agents [75.01735520608075]
既存のベンチマークは、直観的信念を問うことで、主にリテラル・オブ・マインド(ToM)をテストする。
EnactToMは, 3D 家庭で設定された300個のマルチエージェントタスクの進化ベンチマークである。
ハードスプリットでは、7つの評価されたフロンティアモデルすべてが機能的なタスク完了時に0.0%のPass3を獲得し、リテラルな信念プローブでは平均45.0%であった。
論文 参考訳（メタデータ） (2026-05-11T00:04:19Z) - Functional Force-Aware Retargeting from Virtual Human Demos to Soft Robot Policies [22.000828900701237]
我々は,ソフトロボットに接触力について明示的に推論することで,人間のような操作スキルを身につけるためのフレームワークであるSoftActを紹介した。
人間の関節軌跡をリターゲットする従来のアプローチとは異なり、SoftActは2段階の力認識アルゴリズムを採用している。
論文 参考訳（メタデータ） (2026-04-01T17:59:35Z) - GentleHumanoid: Learning Upper-body Compliance for Contact-rich Human and Object Interaction [14.278503723930998]
GentleHumanoidは、インピーダンス制御を全身のモーショントラッキングポリシーに統合し、上半身のコンプライアンスを実現するフレームワークである。
我々は,Unitree G1ヒューマノイドとシミュレーションの両方において,異なるレベルのコンプライアンスを必要とするタスクに対するアプローチを評価した。
論文 参考訳（メタデータ） (2025-11-06T18:59:33Z) - HHI-Assist: A Dataset and Benchmark of Human-Human Interaction in Physical Assistance Scenario [63.77482302352545]
HHI-Assist(ヒヒ・アシスト)は、人間の介助作業における人間のインタラクションのモーションキャプチャークリップからなるデータセットである。
私たちの研究は、ロボット支援ポリシーを大幅に強化する可能性がある。
論文 参考訳（メタデータ） (2025-09-12T09:38:17Z) - Constrained Human-AI Cooperation: An Inclusive Embodied Social Intelligence Challenge [47.74313897705183]
CHAICは、インボディードエージェントの社会的知覚と協力をテストするために設計された包括的インボディード・ソーシャル・インテリジェンス・チャレンジである。
CHAICの目標は、身体的制約の下で活動している可能性がある人間を支援するために、自我中心の観察装置を備えたエンボディエージェントである。
論文 参考訳（メタデータ） (2024-11-04T04:41:12Z) - 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)
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。