論文の概要: Ask Before It Tells: Benchmark-to-Robot Body-Cue Transfer for a Question-First Bedside Robot
- arxiv url: http://arxiv.org/abs/2609.24099v1
- Date: Mon, 21 Sep 2026 04:35:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-24 15:57:08.131511
- Title: Ask Before It Tells: Benchmark-to-Robot Body-Cue Transfer for a Question-First Bedside Robot
- Title（参考訳）: Ask before it told: Benchmark-to-Robot Body-Cue Transfer for a Question-First Bedside Robot
- Abstract要約: Nuniは、検出された苦難のキューを警告する理由ではなく、質問する理由として扱う、ベッドサイドロボットのプロトタイプだ。
我々は、NTU RGB+Dで97.7%と94.8%の6方向精度のX3D-UGT RGB外見分類器を、ロボットカメラから記録された28個のシングルアクタスクリプトクリップにポーズ中心のハイブリッドパイプラインで比較した。
ハイブリッドパスは0.71の6方向マクロリコールを達成し、微調整のRGBと非スクラッチのRGBでは0.25と0.29を達成した。
- 参考スコア（独自算出の注目度）: 2.076255397215973
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Body-cue recognition can support assistive robots, but benchmark accuracy does not guarantee reliable behavior under a robot-camera viewpoint. We present Nuni, a bedside robot prototype that treats a detected distress cue as a reason to ask rather than a reason to alert. We compare two X3D-UGT RGB appearance classifiers, which reach 97.7% and 94.8% six-way accuracy on NTU RGB+D, with a pose-centric hybrid pipeline on 28 single-actor scripted clips recorded from the robot camera. The hybrid path achieved 0.71 six-way macro recall, versus 0.25 and 0.29 for the fine-tuned and from-scratch RGB variants. More importantly for interaction, it produced a question-triggering distress cue in 12/16 distress clips and would have prompted unnecessarily in 2/8 normal clips; the RGB variants yielded a question-triggering cue in only 2/16 and 3/16 distress clips. We separately tested the question-first controller through event injection. All 13 state-transition trials passed: valid responses caused stand-down, two unanswered prompts produced one alert, and three boundary conditions were handled correctly. These results are a preliminary technical evaluation, not a user study or medical validation, but they show how interaction policy can limit the consequences of uncertain perception.
- Abstract（参考訳）: ボディキュー認識は補助ロボットをサポートすることができるが、ベンチマーク精度はロボットカメラの視点で信頼性の高い動作を保証するものではない。
Nuniは、検出された苦難のキューを警告する理由ではなく、質問する理由として扱う、ベッドサイドロボットのプロトタイプだ。
我々は、NTU RGB+Dで97.7%と94.8%の6方向精度のX3D-UGT RGB外見分類器を、ロボットカメラから記録された28個のシングルアクタスクリプトクリップにポーズ中心のハイブリッドパイプラインで比較した。
ハイブリッドパスは0.71の6方向マクロリコールを達成し、微調整のRGBと非スクラッチのRGBでは0.25と0.29を達成した。
さらに重要な点として、12/16の苦難クリップで質問求難キューを生成し、2/8の通常のクリップで不必要に引き起こし、RGBの変種は2/16と3/16の苦難クリップで質問求難キューを生成した。
イベントインジェクションにより質問ファーストコントローラを別々にテストした。
有効な応答がスタンドダウンを引き起こし、2つの未回答のプロンプトが1つの警告を生成し、3つの境界条件が正しく処理された。
これらの結果は、ユーザスタディや医学的検証ではなく、予備的な技術的評価であるが、インタラクションポリシーが不確実な認識の結果を制限することを示すものである。
関連論文リスト
- DriftNet: A Dual-Head Trajectory Transformer for Detecting and Localizing Prompt Injection in LLM Agents [0.0]
オペレーターは、攻撃がどこから入ったか、どのステップが破損したか、そして明らかな毒が抵抗されたかの3つの事実を必要とします。
DriftNetは2つのヘッドトラジェクトリ変換器で、ログ化されたツール呼び出しトラジェクトリを読み出し、1つのフォワードパスで3つの質問すべてに答える。
我々の知る限り、このジョイント出力を発生させた最初の検出器である。
論文 参考訳（メタデータ） (2026-09-09T22:52:23Z) - Transferable Tool-Tissue Contact Detection from Stereo Depth in Robot-Assisted Surgery [6.51211407546955]
ステレオペアから生成された深度画像を用いて,ツールの接触情報を提供する。
完全教師付き2状態隠れマルコフモデルを用いて、この観測を形式化する。
以上の結果から, ロボット支援手術における接触検出には, 工具間距離が強く, 伝達可能なキューであることが示唆された。
論文 参考訳（メタデータ） (2026-08-18T19:41:16Z) - Cybersecurity Detection Classification with Reasoning-enabled Language Models [50.72675435043546]
セキュリティオペレーションセンター(SOC)の大きな問題は、警告疲労である。
以前の作業では、大きな言語モデル(LLM)がトリアージラベルを直接出力するように促すか、あるいは微調整するが、検出が真の脅威であるかどうかを判断するよう訓練することはない。
我々は、実際の人間ラベルのWindowsエンドポイント検出に対して、推論可能なトリアージ分類器(CoT)を訓練する。
論文 参考訳（メタデータ） (2026-07-30T16:22:13Z) - Interventional Causal Circuits for Safe Robot Action Testing and Failure Recovery [4.492262382019958]
運動パラメータの形式的テストは計算に費用がかかり、コストはアクション空間の次元に悪影響を及ぼす。
本稿では,JPT(Joint Probability Tree)とMarginal-Deterministic Variable Tree(Marginal-Deterministic Variable Tree)から派生した因果回路を結合した閉ループフレームワークを提案する。
このフレームワークは、ロボットが動作を開始する前に全ての介入クエリのトラクタビリティを検証し、サポート外候補を自動的に検出し、修正から除外する。
論文 参考訳（メタデータ） (2026-07-16T10:41:20Z) - Amplifying, Not Learning: Fine-Tuned AI Text Detectors Amplify a Pretrained Direction [51.56484100374058]
テキスト検出器は、事前訓練された典型軸を増幅する。
タスク監督前の生エンコーダでは、3つのアーキテクチャでNYT-vs-HC3 AUROC 0.806/0.944/0.834を達成する。
RoBERTaベースでは、生のプロジェクションは微調整を超えるが、RoBERTaベースでは、フル微調整は、試験された流線型人口の双方で生よりも識別を小さくする。
論文 参考訳（メタデータ） (2026-05-20T19:08:38Z) - ImplicitMemBench: Measuring Unconscious Behavioral Adaptation in Large Language Models [60.14219417402433]
LLMエージェントの既存のメモリベンチマークは、事実の明示的なリコールを評価するが、意識的な検索なしに、経験が自動的な振る舞いになる暗黙の記憶を見落としている。
IndicitMemBenchは、非宣言的メモリの標準的な認知科学のアカウントから引き出された3つの構造を通して暗黙的メモリを評価する最初の体系的なベンチマークである。
当社の300イテムスイートでは,初動採点を備えたLearning/Priming-Interfere-Testプロトコルを統一しています。
論文 参考訳（メタデータ） (2026-04-09T10:26:32Z) - Real-Time Human-Robot Interaction Intent Detection Using RGB-based Pose and Emotion Cues with Cross-Camera Model Generalization [0.8839687029212673]
公共空間におけるサービスロボットは、自然な相互作用のための人間の行動意図をリアルタイムに理解する必要がある。
モノクラーRGBビデオから抽出した2次元骨格ポーズと顔の感情特徴を融合したフレーム精度の人-ロボットインタラクション意図検出のためのフレームワークを提案する。
論文 参考訳（メタデータ） (2025-12-18T08:44:22Z) - AURSAD: Universal Robot Screwdriving Anomaly Detection Dataset [80.6725125503521]
本報告では,UR3eシリーズロボットとOnRobot Screwdriverを用いて作成したデータセットについて述べる。
その結果得られたデータは、正常および異常なロボット動作の2042のサンプルを含んでいる。
このデータを使用した短いMLベンチマークも提供されており、さらなる分析と実験のためのデータの適合性と可能性を示している。
論文 参考訳（メタデータ） (2021-02-02T09:59:23Z) - Learning Camera Miscalibration Detection [83.38916296044394]
本稿では,視覚センサ,特にRGBカメラの誤校正検出を学習するためのデータ駆動型アプローチに焦点を当てた。
コントリビューションには、RGBカメラの誤校正基準と、この基準に基づく新しい半合成データセット生成パイプラインが含まれる。
深層畳み込みニューラルネットワークをトレーニングすることにより、カメラ固有のパラメータの再校正が必要か否かを判断するパイプラインの有効性を実証する。
論文 参考訳（メタデータ） (2020-05-24T10:32:49Z)
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。