Fugu-MT 論文翻訳(概要): Understanding Whole-Body Robot Teleoperation Strategies Under Diverse Task Objectives and Constraints

論文の概要: Understanding Whole-Body Robot Teleoperation Strategies Under Diverse Task Objectives and Constraints

arxiv url: http://arxiv.org/abs/2609.12384v1
Date: Fri, 11 Sep 2026 03:03:14 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-15 07:38:31.59509
Title: Understanding Whole-Body Robot Teleoperation Strategies Under Diverse Task Objectives and Constraints
Title（参考訳）: タスク対象と制約を考慮した全体ロボット遠隔操作戦略の理解
Abstract要約: 本研究では,複雑な全身ロボット遠隔操作の制御戦略について検討し,アクティブな知覚,バイマニュアル操作,ナビゲーションを協調する。我々は,TAAGo移動マニピュレータの全身遠隔操作に自由形式と制約付き制御を組み合わせたハイブリッド制御フレームワークを開発した。
参考スコア（独自算出の注目度）: 2.9439848714137438
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This work investigates the control strategies of complex whole-body robot teleoperation that coordinate active perception, bimanual manipulation, and navigation. We developed a hybrid control framework, combining the free-form and constrained control, for the whole-body teleoperation of the TIAGo mobile manipulator. We conducted a user study to explore people's control strategies under different task constraints such as limited time and low tolerance of errors. Our results highlight the effective use of coordinated control in improving task efficiency and reducing the risk of reaching individual joint limits. We discuss our results and their implications for designing future whole-body robot teleoperation systems.
Abstract（参考訳）: 本研究では,複雑な全身ロボット遠隔操作の制御戦略について検討し,アクティブな知覚,バイマニュアル操作,ナビゲーションを協調する。我々は,TAAGo移動マニピュレータの全身遠隔操作に自由形式と制約付き制御を組み合わせたハイブリッド制御フレームワークを開発した。本研究では、時間制限やエラーの耐性の低いといった異なるタスク制約の下で、人々のコントロール戦略を探索するユーザスタディを行った。本研究は, 協調制御を効果的に活用することにより, 作業効率を向上させるとともに, 個別の関節限界に達するリスクを低減することを目的とした。本稿では,今後のロボット遠隔操作システムの設計における成果とその意義について論じる。

関連論文リスト

Learning Physical Interaction: A Survey of Tactile- and Force-aware Robot Learning [128.76135832773102]
物理的に接地されたロボットインテリジェンスは、ロボットが物理的世界との相互作用を知覚し、推論し、規制することを要求する。近年のロボット学習法は, 力, 触覚, 視覚, 言語, 触覚を学習操作ポリシーに組み込むことで, 大幅な進歩を遂げている。これらの進歩にもかかわらず、既存の調査では、統一的な視点から、力と触覚を意識したロボット学習を明示的にレビューしていない。
論文参考訳（メタデータ） (2026-08-02T14:22:01Z)
Navigating the Clutter: Waypoint-Based Bi-Level Planning for Multi-Robot Systems [54.887871365121775]
乱雑な環境におけるマルチロボット制御は、複雑な物理的制約を伴う難しい問題である。タスクとモーションプランニングを協調的に最適化するハイブリッドマルチロボット制御フレームワークを提案する。我々のアプローチは、動作に依存しないベースラインとVLAベースのベースラインよりもタスクの成功を継続的に改善する。
論文参考訳（メタデータ） (2026-04-22T22:58:47Z)
MorphoGuard: A Morphology-Based Whole-Body Interactive Motion Controller [8.867753335261563]
本研究では,任意の接触の組み合わせを明示的に管理する新しい制御手法を提案する。我々は、自己構築型デュアルアーム物理・シミュレーションプラットフォームで訓練された形態制約型WBCネットワーク(MorphoGuard)を開発した。実験の結果,提案手法は約1cmの接触点管理誤差を達成し,全身対話制御の有効性を示した。
論文参考訳（メタデータ） (2026-04-02T01:13:29Z)
A Minimum-Energy Control Approach for Redundant Mobile Manipulators in Physical Human-Robot Interaction Applications [0.27998963147546146]
本稿では,上面にロボットアームを装着した移動体ベースからなる移動体マニピュレータの制御手法を提案する。提案手法は, 全身ロボットシステムに格納される全体の運動エネルギーを削減し, システム性能をベンチマーク法と比較して改善することを示した。
論文参考訳（メタデータ） (2026-03-26T10:01:34Z)
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)
A Vision-Based Shared-Control Teleoperation Scheme for Controlling the Robotic Arm of a Four-Legged Robot [0.9699673328328621]
本研究は,視覚に基づくポーズ推定パイプラインを活用することで,直感的な遠隔操作を提案する。このシステムはこれらの手首の動きをロボットアームのコマンドにマッピングし、ロボットの腕をリアルタイムで制御する。軌道プランナは、障害物とロボットアーム自体との衝突を検出し防止することにより、安全な遠隔操作を保証する。
論文参考訳（メタデータ） (2025-08-20T18:31:57Z)
Fault-Tolerant Multi-Robot Coordination with Limited Sensing within Confined Environments [0.6144680854063939]
マルチロボットシステムにおける物理的接触相互作用を利用した新しいフォールトトレランス手法を提案する。そこで本研究では, ロボットの動作を, 操作不能なロボットに遭遇する可能性に基づいて調整する「アクティブコンタクト応答(ACR)」手法を提案する。
論文参考訳（メタデータ） (2025-05-21T02:43:36Z)
HACTS: a Human-As-Copilot Teleoperation System for Robot Learning [47.9126187195398]
HACTS(Human-As-Copilot Teleoperation System)は,ロボットアームと遠隔操作ハードウェアを双方向でリアルタイムに同期させるシステムである。このシンプルで効果的なフィードバックメカニズムは、自動運転車のステアリングホイールに似たもので、人間の操縦士がシームレスに介入し、将来の学習のために行動補正データを収集することを可能にする。
論文参考訳（メタデータ） (2025-03-31T13:28:13Z)
Human-Agent Joint Learning for Efficient Robot Manipulation Skill Acquisition [48.65867987106428]
本稿では,人間とロボットの協調学習システムについて紹介する。これにより、ロボットエンドエフェクターの制御を学習支援エージェントと共有することができる。これにより、ダウンストリームタスクにおいて、収集されたデータが十分な品質であることを保証しながら、人間の適応の必要性を減らすことができる。
論文参考訳（メタデータ） (2024-06-29T03:37:29Z)
Increased Complexity of a Human-Robot Collaborative Task May Increase the Need for a Socially Competent Robot [0.0]
本研究では,タスクの複雑さがロボットパートナーの認知と受容にどのように影響するかを検討する。本稿では,人間による障害物回避ロボット制御モデルを提案する。
論文参考訳（メタデータ） (2022-07-11T11:43:27Z)
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。