論文の概要: SocioGesture: Real-Time and Adaptive Social Gesture Perception for Human-Robot Interaction
- arxiv url: http://arxiv.org/abs/2609.04545v1
- Date: Thu, 03 Sep 2026 23:03:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-07 18:15:23.856712
- Title: SocioGesture: Real-Time and Adaptive Social Gesture Perception for Human-Robot Interaction
- Title（参考訳）: Socio Gesture:人間とロボットのインタラクションのためのリアルタイム・適応型ソーシャル・ジェスチャ知覚
- Abstract要約: 我々は人間-ロボットインタラクション(HRI)のためのリアルタイム適応型ソーシャルジェスチャー認識システムSocioGestureを提案する。
SocioGestureは、コンパクトな自信を意識したボディハンドスケルトン表現と、低遅延オンボード認識のために手関節で身体の動きを融合する軽量なデュアルストリームモデルを使用している。
屋内と屋外の混在したHRIシナリオで収集されたソーシャルジェスチャデータセットにおいて,ソシオジェスチャは強い保持対象認識を実現する。
デプロイ中、オフラインラベリングとアダプションのために不確実なインタラクションセグメントが保存されるため、SocioGestureはそのジェスチャー語彙を拡張することができる。
- 参考スコア（独自算出の注目度）: 4.0450087039946006
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Robots interacting with people must recognize not only explicit commands, but also social cues such as invitations, refusals, and unavailability. In real deployments, these cues must be inferred from noisy onboard perception under partial occlusion, changing viewpoints, and strict latency constraints. We present SocioGesture, a real-time adaptive social gesture perception system for human-robot interaction (HRI). SocioGesture uses a compact confidence-aware body-hand skeleton representation and a lightweight dual-stream model that fuses body motion with hand articulation for low-latency onboard recognition. To improve deployment robustness, we train the model with occlusion-aware skeleton corruption, exposing it to missing hands, occluded arms, and temporally unstable keypoints without increasing the inference cost. On a social gesture dataset collected in mixed indoor-outdoor HRI scenarios, SocioGesture achieves strong held-out-subject recognition, substantially improves robustness under structured joint occlusion, and runs in real time on a robot-mounted edge device. During deployment, uncertain interaction segments are saved for offline labeling and adaptation, enabling SocioGesture to expand its gesture vocabulary while preserving performance in the original classes. These results demonstrate a practical path toward robust, efficient, and adaptive social perception for interactive robots.
- Abstract（参考訳）: 人と対話するロボットは、明示的なコマンドだけでなく、招待、拒否、利用不可といった社会的手段も認識しなければならない。
実際のデプロイメントでは、これらのキューは、部分閉塞、視点の変化、厳格なレイテンシ制約の下で、ノイズのあるオンボード認識から推論されなければならない。
本稿では,人間-ロボットインタラクション(HRI)のためのリアルタイム適応型ソーシャルジェスチャー認識システムであるSocioGestureを紹介する。
SocioGestureは、コンパクトな自信を意識したボディハンドスケルトン表現と、低遅延オンボード認識のために手関節で身体の動きを融合する軽量なデュアルストリームモデルを使用している。
配置のロバスト性を改善するため、我々は、オクルージョンを意識した骨格破壊をモデルにトレーニングし、それを欠落した手、閉塞した腕、時間的に不安定なキーポイントに露出させ、推論コストを増大させることなく訓練する。
屋内と屋内の混在したHRIシナリオで収集された社会的ジェスチャーデータセットにおいて、ソシオゲスチャは強い保持対象認識を実現し、構造化された関節閉塞下でのロバスト性を大幅に改善し、ロボット搭載エッジデバイス上でリアルタイムに動作させる。
デプロイ中、オフラインラベリングとアダプションのために不確実なインタラクションセグメントが保存されるため、SocioGestureは、元のクラスのパフォーマンスを維持しながら、ジェスチャ語彙を拡張することができる。
これらの結果は、対話型ロボットに対する堅牢で効率的で適応的な社会認識への実践的な道筋を示す。
関連論文リスト
- RGB-D Video Generation for Improving Human-to-Robot Object Handover Prediction [51.76737991200891]
H2R(Human-to-robot)オブジェクトハンドオーバは、人間とロボットのコラボレーションの基本的な能力である。
本稿では,RGB-DビデオデータセットであるHand2Botを紹介する。
ハンドオブジェクトの一貫性を確保しつつ,現実的なハンドオーバシーケンスを合成する生成パイプラインであるPassGenを提案する。
論文 参考訳（メタデータ） (2026-08-13T09:55:59Z) - Anatomy of Uncertainty: Expressive Descriptors of Robotic Manipulator Motion for Non-verbal Communication in Human-Robot Collaboration [0.6576864734526405]
本研究はロボットマニピュレータ運動による知覚の不確実性を表現する数学的枠組みを導入する。
動作中のロボットの不確実性を符号化し、将来の自律軌道生成を支援するための知覚的基盤を確立する。
論文 参考訳（メタデータ） (2026-07-15T10:48:44Z) - Trajectory Learning with Graph Representations for Social Robot Navigation [1.0732935873226022]
社会に適応したナビゲーションに社会的ダイナミクスを活用する模倣学習フレームワークを提案する。
本稿では,時間的ダイナミクスを捕捉し,エラーの蓄積を緩和するナビゲーションモジュールを提案する。
我々のフレームワークは、シミュレーションに基づくデータ駆動ベースラインと、さまざまなソーシャルメトリクスにわたる実世界のデータセットより優れています。
論文 参考訳（メタデータ） (2026-06-21T23:57:54Z) - 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) - SocialMirror: Reconstructing 3D Human Interaction Behaviors from Monocular Videos with Semantic and Geometric Guidance [49.69016078147708]
密接な相互作用シナリオにおける人間の行動の正確な再構築は、拡張現実における現実的な仮想インタラクションの実現に不可欠である。
本稿では,これらの問題に効果的に対処するための意味的および幾何学的手がかりを統合する拡散ベースのフレームワークであるSocialMirrorを提案する。
SocialMirrorはインタラクティブなヒューマンメッシュを再構築する上で,最先端のパフォーマンスを実現している。
論文 参考訳（メタデータ） (2026-04-15T07:41:52Z) - Real-Time Synchronized Interaction Framework for Emotion-Aware Humanoid Robots [0.5156484100374058]
音声韻律と全体ジェスチャーを同期するNAOロボットのためのリアルタイムフレームワークを提案する。
シームレスな感覚運動調整を可能にすることにより、コンテキスト認識型社会ロボットの展開が促進される。
論文 参考訳（メタデータ） (2026-01-24T03:53:09Z) - Part-Aware Bottom-Up Group Reasoning for Fine-Grained Social Interaction Detection [82.70752567211251]
本稿では,詳細なソーシャルインタラクション検出のためのボトムアップグループ推論フレームワークを提案する。
提案手法は,身体部分の特徴と対人関係を用いて,社会的グループとその相互作用を推定する。
モデルではまず個人を検知し,その特徴を部分認識的手がかりを用いて拡張し,類似性に基づく推論によって個人を連想させることによりグループ構成を推論する。
論文 参考訳（メタデータ） (2025-11-05T17:33:03Z) - 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) - Data-driven emotional body language generation for social robotics [58.88028813371423]
社会ロボティクスでは、人間型ロボットに感情の身体的表現を生成する能力を与えることで、人間とロボットの相互作用とコラボレーションを改善することができる。
我々は、手作業で設計されたいくつかの身体表現から学習する深層学習データ駆動フレームワークを実装した。
評価実験の結果, 生成した表現の人間同型とアニマシーは手作りの表現と異なる認識が得られなかった。
論文 参考訳（メタデータ） (2022-05-02T09:21:39Z) - Cognitive architecture aided by working-memory for self-supervised
multi-modal humans recognition [54.749127627191655]
人間パートナーを認識する能力は、パーソナライズされた長期的な人間とロボットの相互作用を構築するための重要な社会的スキルです。
ディープラーニングネットワークは最先端の結果を達成し,そのような課題に対処するための適切なツールであることが実証された。
1つの解決策は、ロボットに自己スーパービジョンで直接の感覚データから学習させることである。
論文 参考訳（メタデータ） (2021-03-16T13:50:24Z)
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。