論文の概要: CALM: Configuration-Aware Human Intervention Boundaries During Robot Approach
- arxiv url: http://arxiv.org/abs/2609.07430v1
- Date: Mon, 07 Sep 2026 12:34:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-12 00:20:42.311538
- Title: CALM: Configuration-Aware Human Intervention Boundaries During Robot Approach
- Title（参考訳）: CALM:ロボットアプローチによる人間の介入境界の設定
- Abstract要約: 4つのヒューマノイドアーム構成における最終停止距離,主観的快適度,および探索的視線追跡反応を測定した。
フルフォワードアーム拡張はアームダウンに対する停止距離を約31-36cm増加させた。
- 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: How robot body configuration shapes human intervention during approach remains underexplored. We conducted a within-participants study with 41 participants, measuring final stopping distance, subjective comfort, and exploratory eye-tracking responses across four humanoid arm configurations and two spatial scales. Full forward arm extension increased stopping distance by approximately 31-36 cm relative to arms-down. Spatial scale primarily affected comfort and pupil responses without a detectable stopping-distance shift. We introduce the Configuration-Aware Limit Model (CALM), which translates stopping-distance distributions into configuration-dependent population-coverage boundaries. Estimated boundaries at 80% coverage ranged from 0.88 to 1.47 m. In an illustrative one-dimensional planning analysis, reconfiguration enabled a 1.10 m approach goal that was unreachable with arms remaining fully extended under the same nominal pointwise 20% intervention-probability constraint. These findings support treating body configuration as a planning variable while distinguishing physical safety, behavioral intervention, and subjective cost.
- Abstract（参考訳）: ロボットの体の構成が、アプローチ中の人間の介入をどう形作るかはまだ解明されていない。
被験者41名を対象に,4つのヒューマノイドアーム構成と2つの空間スケールにわたる最終停止距離,主観的快適度,探索的視線追跡反応を測定した。
フルフォワードアーム拡張はアームダウンに対する停止距離を約31-36cm増加させた。
空間スケールは、主に、検出可能な停止距離シフトを伴わない快適さと瞳孔反応に影響を及ぼした。
本稿では, 停止距離分布を構成依存型人口被覆境界に変換する Configuration-Aware Limit Model (CALM) を提案する。
面積の80%は0.88mから1.47mと見積もられている。
図示的な1次元の計画分析では、再構成により1.10mのアプローチ目標が達成され、腕は完全に拡張され、同じ名目上の20%の介入確率制約の下で維持された。
これらの知見は,身体の安全,行動介入,主観的コストを区別しながら,身体構成を計画変数として扱うことを支援する。
関連論文リスト
- Anatomy-Change-Aware Bidirectional Selective State-Space Memory for Clinically Deployed Thoracic Radiotherapy Auto-Contouring [0.6439594960617159]
DAMM-Net++は胸部放射線治療のための2.5Dアーキテクチャである。
これはスライス表面の不整合、小さな低コントラストターゲットの系統的故障、ケースごとの信頼性信号の欠如に対処する。
平均Diceは0.955、HD95は3.78mmで、低コントラストの臓器のリスクが最も高い。
論文 参考訳（メタデータ） (2026-09-11T11:13:06Z) - GUIDER: Evaluating Goal-Free Human Intent Inference for Teleoperated Manipulation on Real-Robot Data [1.7107261936393963]
我々は,ロボットのグローバルユーザインテントデュアルフェーズ推定を,様々な支援シナリオ間で操作フェーズをテストするために展開する。
オンラインの確率更新、ワークスペース制限、サポートプレーンフィルタリング、実現可能な把握領域を優先するグリップモードを追加します。
3つのシナリオにおける20以上の操作ステップにおいて、GUIDERは、すべてのケースにおいて正しい把握候補内の人間の意図を推定する。
論文 参考訳（メタデータ） (2026-08-15T23:16:24Z) - Learning Biomechanically Plausible Human Motion from Sparse Radar Point Clouds [39.56983715336933]
我々は、フルボディの骨格モデルを、エンドツーエンドのトレーニング可能なレーダベースのポーズ推定フレームワークに統合する。
生体力学スケルトンをスケールするために、レーダーポイント雲の特徴から被写体比を予測する。
動き予測ネットワークは、時間的レーダ列を一般化座標にマッピングし、予測された関節角を3D位置に変換する。
論文 参考訳（メタデータ） (2026-08-04T13:20:05Z) - ACE-Brain-0.5: A Unified Embodied Foundational Model for Physical Agentic AI [110.18670135256235]
Embodied AIは、独立した知覚やアクションモジュールから、目標を理解し、計画し、進捗を監視し、経験から改善する物理的なエージェントへと移行している。
ACE-Brain-0.5は,ロボットの知性を5つの結合関数にまとめる統一的な基礎モデルである。
単一の8Bバックボーンは、最初の4つの機能をインスタンス化する: オブジェクトとアベイランスを接地し、3Dとエゴセントリックな空間関係を推論し、命令をサブゴールに分解し、ナビゲーションと操作アクションを生成し、検証と回復の進捗を推定する。
論文 参考訳（メタデータ） (2026-07-05T17:43:06Z) - SECOND-Grasp: Semantic Contact-guided Dexterous Grasping [60.1519218638742]
Second-Grasp (Semantic Contact-guided Dexterous Grasping) は、ロボットハンドが意味論的推論に基づいて把握戦略を調整できる統合されたフレームワークである。
我々のアプローチは、目に見えるカテゴリーと目に見えないカテゴリの両方で成功率を上げるために、一貫してベースラインを上回ります。
論文 参考訳（メタデータ） (2026-05-13T07:37:00Z) - Reconstructing Close Human Interaction with Appearance and Proxemics Reasoning [50.76723760768117]
既存の人間のポーズ推定手法では、既存の映像からもっともらしい密接な相互作用を回復できない。
人間の外見は、これらの障害に対処するための簡単な手がかりとなる。
本研究では,人間の外見,社会的プロキシ,物理法則に制約された身体接触により,正確な対話動作を再構築するための2分岐最適化フレームワークを提案する。
論文 参考訳（メタデータ） (2025-07-03T12:19:26Z) - HOSIG: Full-Body Human-Object-Scene Interaction Generation with Hierarchical Scene Perception [57.37135310143126]
HO SIGは階層的なシーン認識を通じて全体インタラクションを合成するための新しいフレームワークである。
我々のフレームワークは、自己回帰生成による運動長の無制限化をサポートし、手動による介入を最小限に抑える。
この研究は、シーン認識ナビゲーションとデクスタラスオブジェクト操作の間に重要なギャップを埋める。
論文 参考訳（メタデータ） (2025-06-02T12:08:08Z) - DexHandDiff: Interaction-aware Diffusion Planning for Adaptive Dexterous Manipulation [78.60543357822957]
高度なロボティクスにとって、接触に富んだ相互作用による有害な操作が不可欠である。
DexHandDiffは,適応的デキスタラス操作のための対話型拡散計画フレームワークである。
当社のフレームワークは, 目標適応度の高いタスクにおいて, 平均70.7%の成功率を実現し, コンタクトリッチな操作における堅牢性と柔軟性を強調した。
論文 参考訳（メタデータ） (2024-11-27T18:03:26Z) - Learning Realistic Joint Space Boundaries for Range of Motion Analysis of Healthy and Impaired Human Arms [0.5530212768657544]
本研究では,現実的な解剖学的制約のある上層域の運動境界を,モーションキャプチャーデータから学習するためのデータ駆動手法を提案する。
また,健常腕と障害腕の比較において,能力・障害の定量的評価を行う指標(II)を提案する。
論文 参考訳（メタデータ） (2023-11-17T17:14:42Z) - Scene-aware Human Motion Forecasting via Mutual Distance Prediction [13.067687949642641]
本研究では,人体とシーン間の相互距離による人間とシーンの相互作用をモデル化する。
このような相互距離は局所的な動きと大域的な動きの両方を制約し、結果として全身的な動きは予測される。
2つのステップでパイプラインを構築し、まず将来の相互距離を予測し、次に将来の人間の動きを予測する。
論文 参考訳（メタデータ） (2023-10-01T08:32:46Z) - Anatomy-guided domain adaptation for 3D in-bed human pose estimation [62.3463429269385]
3次元人間のポーズ推定は臨床モニタリングシステムにおいて重要な要素である。
ラベル付きソースからシフトしたラベル付きターゲットドメインにモデルを適応させる新しいドメイン適応方式を提案する。
我々の手法は、様々な最先端のドメイン適応法より一貫して優れています。
論文 参考訳（メタデータ） (2022-11-22T11:34:51Z) - 4D-OR: Semantic Scene Graphs for OR Domain Modeling [72.1320671045942]
本稿では,手術シーンを記述・要約するために意味シーングラフ(SSG)を提案する。
シーングラフのノードは、医療スタッフ、患者、医療機器など、部屋内のさまざまなアクターやオブジェクトを表す。
人工膝置換手術を10回行った4D-ORデータセットを作成した。
論文 参考訳（メタデータ） (2022-03-22T17:59:45Z)
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。