論文の概要: mmHRI: Towards Privacy-Preserving Human-Robot Interaction with Millimeter-Wave Radar
- arxiv url: http://arxiv.org/abs/2609.34220v2
- Date: Wed, 30 Sep 2026 01:56:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-01 18:57:25.95114
- Title: mmHRI: Towards Privacy-Preserving Human-Robot Interaction with Millimeter-Wave Radar
- Title（参考訳）: mmHRI:ミリ波レーダを用いたプライバシ保護のためのヒューマンロボットインタラクション
- Abstract要約: ミリ波(mmWave)レーダーは、画像の特定なしにプライバシー障壁を通して人間の動きを感知することができる。
mmHRIは、mmWaveレーダー誘導型プライバシー保護HRIを実現する最初の多言語ロボット操作フレームワークである。
- 参考スコア（独自算出の注目度）: 50.73107294916346
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Assistive robots increasingly operate in many human-centered environments and perform various human-robot interaction (HRI) tasks, such as object delivery. However, most existing HRI systems rely on RGB cameras that continuously observe humans to respond to non-verbal commands, such as hand gestures. This raises privacy concerns in privacy- critical environments, such as hospital wards or restaurants, where direct camera observation of humans is restricted. To develop privacy-preserving HRI, we leverage millimeter-wave (mmWave) radar, which can sense human motion through privacy barriers without identifiable imagery. We propose mmHRI, the first multi-modal robot manipulation framework that achieves mmWave radar-guided privacy-preserving HRI. mmHRI introduces two key designs to mitigate the sparsity and temporal inconsistency of radar data in cluttered robot manipulation environments. First, we propose a dual-stream architecture that jointly learns from unfiltered raw radar tensors and radar point clouds to estimate both human actions and 3D poses. To mitigate signal inconsistency, mmHRI further incorporates a memory-based state-space model (MSSM) that retains historical radar features to reduce abrupt changes in pose/action. These estimated human states are then converted into structured textual robot instructions, which control a vision-language-action (VLA) policy for closed-loop robot manipulation and human-aware reactions. Our evaluation covers human action recognition and closed-loop delivery and retrieval. In the privacy-preserving curtain setting, mmHRI achieves 85.09% action-recognition accuracy, outperforming existing radar-based alternatives. Robot trials further demonstrate successful delivery and retrieval under visual occlusion, with stable task performance across unseen subjects, clutter configurations, and environments.
- Abstract（参考訳）: 補助ロボットは、ますます多くの人間中心の環境で動作し、オブジェクトの配信など、さまざまな人間とロボットのインタラクション(HRI)タスクを実行している。
しかし、既存のほとんどのHRIシステムはRGBカメラに依存しており、人間を継続的に観察し、手振りなどの非言語コマンドに応答する。
これは、病院の病棟やレストランのようなプライバシーに重要な環境において、人間の直接カメラ観察が制限されるプライバシー上の懸念を提起する。
プライバシー保護のためのHRIを開発するためにミリ波レーダ(mmWave)を用いる。
我々は,mmWaveレーダー誘導型プライバシー保護HRIを実現する,最初のマルチモーダルロボット操作フレームワークであるmmHRIを提案する。
mmHRIは、乱雑なロボット操作環境におけるレーダーデータの空間性と時間的不整合を緩和する2つの重要な設計を導入している。
まず,フィルタされていない生のレーダテンソルとレーダ点雲から共同で学習し,人間の行動と3Dポーズの両方を推定する2重ストリームアーキテクチャを提案する。
信号の不整合を軽減するため、mHRIはさらに、履歴レーダの特徴を保持するメモリベースの状態空間モデル(MSSM)を導入し、ポーズ/アクションの急激な変化を減らす。
これらの推定された人間の状態は構造化されたテキストロボット命令に変換され、クローズドループロボット操作とヒューマン・アウェア・リアクションのための視覚言語アクション(VLA)ポリシーを制御する。
人間の行動認識とクローズドループ配信と検索について検討した。
プライバシー保護カーテン設定では、mHRIは85.09%のアクション認識精度を達成し、既存のレーダーベースの代替品よりも優れている。
ロボットトライアルでは、視覚的閉塞下でのデリバリと検索が成功し、未確認の被写体、乱雑な構成、環境をまたいだ安定したタスクパフォーマンスが実証されている。
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) - WaveMan: mmWave-Based Room-Scale Human Interaction Perception for Humanoid Robots [23.117011380793382]
ミリ波(mmWave)は本質的にプライバシー保護インタラクションをサポートする。
既存のmmWaveベースのインタラクションセンシングシステムでは、見えない距離や視点での空間一般化が不十分である。
本稿では、任意のユーザ位置をまたいだ信頼性の高いヒューマンインタラクションセンシングを復元する空間適応型ルームスケール認識システムであるWaveManを紹介する。
論文 参考訳（メタデータ） (2026-01-12T11:53:32Z) - Recognizing Actions from Robotic View for Natural Human-Robot Interaction [52.00935005918032]
自然人-ロボットインタラクション(Natural Human-Robot Interaction, N-HRI)は、ロボット自身が動いているか静止しているかに関わらず、ロボットが様々な距離と状態で人間の行動を認識することを要求する。
N-HRIの既存のベンチマークは、限られたデータ、モダリティ、タスクカテゴリ、主題や環境の多様性のために、N-HRIのユニークな複雑さに対処できない。
モバイルサービスロボットで広く使われている知覚中心ロボットビューのための大規模データセット(Action from Robotic View)を紹介する。
論文 参考訳（メタデータ） (2025-07-30T09:48:34Z) - Radar Fields: Frequency-Space Neural Scene Representations for FMCW Radar [62.51065633674272]
本稿では,アクティブレーダイメージア用に設計されたニューラルシーン再構成手法であるRadar Fieldsを紹介する。
提案手法では,暗黙的ニューラルジオメトリとリフレクタンスモデルを用いて,暗黙的な物理インフォームドセンサモデルを構築し,生のレーダ測定を直接合成する。
本研究では,密集した車両やインフラを備えた都市景観を含む,多様な屋外シナリオにおける手法の有効性を検証する。
論文 参考訳（メタデータ） (2024-05-07T20:44:48Z) - Ultra-Range Gesture Recognition using a Web-Camera in Human-Robot Interaction [2.240453048130742]
ジェスチャー認識の視覚的手法は, ユーザ・カメラ距離が7m以内で有効であることが示されている。
本稿では,GViT (Graph Vision Transformer) と呼ばれる新しいURGRを提案する。
種々のテストデータに対するフレームワークの評価は98.1%という高い認識率が得られる。
論文 参考訳（メタデータ） (2023-11-26T17:27:26Z) - DensePose From WiFi [86.61881052177228]
WiFi信号の位相と振幅を24のヒト領域内の紫外線座標にマッピングするディープニューラルネットワークを開発した。
本モデルでは,複数の被験者の密集したポーズを,画像に基づくアプローチと同等の性能で推定することができる。
論文 参考訳（メタデータ） (2022-12-31T16:48:43Z) - HuPR: A Benchmark for Human Pose Estimation Using Millimeter Wave Radar [30.51398364813315]
本稿では,ミリ波レーダを用いた人間のポーズ推定ベンチマーク「Human Pose with Millimeter Wave Radar (HuPR)」を紹介する。
このデータセットは、レーダに基づく人間のポーズ推定のクロスモダリティトレーニングのために、クロスキャリブレーションされたmmWaveレーダセンサとモノクラーRGBカメラを用いて作成される。
論文 参考訳（メタデータ） (2022-10-22T22:28:40Z) - Cross Vision-RF Gait Re-identification with Low-cost RGB-D Cameras and
mmWave Radars [15.662787088335618]
本研究は, クロスモーダルヒト再識別(ReID)の問題に関する研究である。
マルチモーダル多人数共振器ReIDのための第1種視覚RFシステムを提案する。
提案システムは56名のボランティアのうち92.5%がトップ1の精度、97.5%がトップ5の精度を達成できる。
論文 参考訳（メタデータ） (2022-07-16T10:34:25Z) - Perceiving Humans: from Monocular 3D Localization to Social Distancing [93.03056743850141]
本稿では,人間の3次元位置と身体の向きを1つの画像から知覚する,コスト効率の高い視覚ベースの新しい手法を提案する。
我々は,「社会的距離」という概念を,単純な位置に基づくルールとは対照的に,社会的相互作用の一形態として再考することが可能であることを示す。
論文 参考訳（メタデータ） (2020-09-01T10:12:30Z)
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。
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。