論文の概要: Hand-Aware Transition Modeling for Bimanual Procedural Anomaly Detection

• arxiv url: http://arxiv.org/abs/2609.21207v1
• Date: Fri, 18 Sep 2026 01:44:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-21 18:40:16.818818
• Title: Hand-Aware Transition Modeling for Bimanual Procedural Anomaly Detection
• Title（参考訳）: 双方向の手続き異常検出のための手認識遷移モデル
• Abstract要約: 両手組立体における手続き的異常検出には,これまで各手の動きを判断する必要がある。 予測ハンドイベントに対する遷移モデルであるHACTを提案する。
• 参考スコア（独自算出の注目度）: 23.266819323329784
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Procedural anomaly detection in bimanual assembly requires judging each hand action against the execution so far. A corrective action may look unusual in isolation, while a visually plausible action can violate the order of the procedure. We present HACT, a transition model over predicted per-hand events. A role-preserving history keeps the concurrent responsibilities of both hands, and a marked temporal point process assigns each observed transition a semantic and temporal surprisal. A supervised evidence head and a two-state filter convert these surprisals into per-hand anomaly posteriors. A recovery-aware protocol on predicted events and participant-disjoint folds reports the recovery false-positive rate at an operating point selected on validation participants. On two bimanual power-tool procedures HACT has the highest AUPRC and F1 among the compared methods and the fewest recovery alarms. Applied without retraining to a different assembly order of the same product, it retains the highest AUPRC and F1. The source code is available at https://github.com/Kratos-Wen/HACT.
• Abstract（参考訳）: 両手組立体における手続き的異常検出には,これまで各手の動きを判断する必要がある。 矯正行動は単独では異常に見えるが、視覚的に妥当な行動は手順の順序に反する可能性がある。 予測ハンドイベントに対する遷移モデルであるHACTを提案する。 役割保存履歴は、両手の同時責任を保持し、マークされた時間点プロセスは、観察された各遷移を意味的および時間的前提に割り当てる。 監督されたエビデンスヘッドと2状態フィルタは、これらの仮定を手動の異常後部に変換する。 予測イベントに対するリカバリ対応プロトコルと参加者参加型フォールドは、バリデーション参加者に選択された操作ポイントにおいて、リカバリ偽陽性率を報告する。 HACTはAUPRCとF1が最も多く、最も少ない回復アラームである。 同じ製品の異なる組立順序に再訓練することなく適用され、最も高いAUPRCとF1を維持している。 ソースコードはhttps://github.com/Kratos-Wen/HACTで公開されている。

関連論文リスト

• Phase-Conditioned Imitation Learning with Autonomous Failure Recovery for Robust Deformable Object Manipulation [5.524438437366922]
  変形可能なオブジェクト操作のための位相条件付き力覚フレームワークを提案する。 FiLM条件のACTエンコーダは、現在のタスクフェーズに基づいて特徴抽出を変調する。 視覚、力、ポーズフィードバックを融合させた多モード位相予測器は、視覚単独では見えない接触障害をリアルタイムで推定する。
  論文  参考訳（メタデータ） (2026-05-28T05:59:53Z)
• Probabilistic Recurrent Intention Switching Model [8.25071593831945]
  逆強化学習(IRL)は、観察された行動から報酬関数を回復するが、伝統的な手法では、エピソード内でゴール切替を捉えることができない単一の定常報酬を仮定する。 近年のマルチインテンションIRL法は、トラジェクトリをセグメント化することでこの問題に対処しているが、モデル意図の遷移はメモリレスマルコフ連鎖または固定された履歴ウィンドウによる手動状態拡張のいずれかである。 本稿では,観測履歴をステップごとの意図分布にマッピングする軽量なリカレントネットワークを両機構に置き換える確率的リカレントインテンションスイッチングモデル(PRISM)を提案する。
  論文  参考訳（メタデータ） (2026-05-26T13:19:00Z)
• Event-Level Detection of Surgical Instrument Handovers in Videos with Interpretable Vision Models [32.17113044802459]
  手術ビデオにおける機器ハンドオーバの事象レベルの検出と方向分類のための視覚フレームワークを提案する。 統一マルチタスク定式化は、ハンドオーバの発生と相互作用方向を共同で予測する。 腎臓移植術のデータセットに関する実験は、強い性能を示す。
  論文  参考訳（メタデータ） (2026-04-08T20:31:28Z)
• Metacognitive Self-Correction for Multi-Agent System via Prototype-Guided Next-Execution Reconstruction [58.51530390018909]
  大規模言語モデルに基づくマルチエージェントシステムは、協調的な問題解決において優れているが、エラーのカスケードには脆弱である。 我々は,MASにリアルタイム,教師なし,ステップレベルの誤り検出と自己補正を付与するメタ認知フレームワークMASCを提案する。
  論文  参考訳（メタデータ） (2025-10-16T05:35:37Z)
• Modeling Multiple Normal Action Representations for Error Detection in Procedural Tasks [31.6874866836856]
  本稿では,手続き的活動における誤り検出のための適応多重正規表現(AMNAR)フレームワークを提案する。 AMNARはすべての有効な次のアクションを予測し、対応する正常なアクション表現を再構築する。
  論文  参考訳（メタデータ） (2025-03-28T13:16:02Z)
• Bidirectional Decoding: Improving Action Chunking via Guided Test-Time Sampling [51.38330727868982]
  動作チャンキングが学習者と実証者の間の分岐にどのように影響するかを示す。 動作チャンキングをクローズドループ適応でブリッジするテスト時間推論アルゴリズムである双方向デコーディング(BID)を提案する。 提案手法は、7つのシミュレーションベンチマークと2つの実世界のタスクにまたがって、最先端の2つの生成ポリシーの性能を向上させる。
  論文  参考訳（メタデータ） (2024-08-30T15:39:34Z)
• PREGO: online mistake detection in PRocedural EGOcentric videos [49.72812518471056]
  自己中心型ビデオにおける誤り検出のための,最初のオンライン一級分類モデルであるPregoを提案する。 PreGOは、現在のアクションをモデル化するオンラインアクション認識コンポーネントと、次のアクションを予測するシンボリック推論モジュールに基づいている。 手続き的誤り検出のオンラインベンチマークに適応する2つの手続き的自己中心型ビデオデータセットであるAmbly101とEpic-tentについてPreGOを評価した。
  論文  参考訳（メタデータ） (2024-04-02T13:27:28Z)

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。