論文の概要: General Performance Guarantee for Human Torque Estimation-Based Task-Agnostic Assistive Exoskeleton Control
- arxiv url: http://arxiv.org/abs/2609.39558v1
- Date: Wed, 30 Sep 2026 11:57:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-01 18:57:27.633843
- Title: General Performance Guarantee for Human Torque Estimation-Based Task-Agnostic Assistive Exoskeleton Control
- Title（参考訳）: ヒューマントルク推定に基づくタスク非依存性外骨格制御のための汎用的性能保証
- Abstract要約: 本研究では,ロボットの所望の相互作用トルクを設計するための理論的枠組みを開発する。
提案手法は ABLE 上肢外骨格に実装され,マルチタスク設定で評価される。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Accurate human torque estimation is crucial for enabling task-agnostic control in robotic exoskeleton systems. However, estimation errors may cause mismatches between the robot assistance and the human intention, degrading controllability and task performance. In this paper, we address this issue by formally defining matched assistance as scenarios in which the robot positively contributes to human movement. Based on this definition, we develop a theoretical framework to design the robot's desired interaction torque that guarantees a lower bound on the matched assistance probability. Importantly, the proposed guarantee holds over the entire torque distribution, including unseen data beyond the training tasks. This provides our method with strong reliability and generalization, both of which are critical for effective exoskeleton control. The proposed strategy is implemented on the ABLE upper-limb exoskeleton and evaluated in a multi-task setup. Experimental results validate the theoretical guarantees and demonstrate that the proposed strategy achieves effective general performance across several tasks, guaranteeing movement smoothness while reducing human physical effort.
- Abstract（参考訳）: ロボット外骨格システムにおけるタスク非依存制御を実現するためには,正確な人間のトルク推定が不可欠である。
しかし、推定誤差はロボットのアシストと人間の意図のミスマッチを引き起こし、制御性やタスクパフォーマンスが低下する可能性がある。
本稿では,ロボットが人間の動きに肯定的に貢献するシナリオとして,マッチング支援を正式に定義することにより,この問題に対処する。
この定義に基づいて,ロボットの所望の相互作用トルクを設計するための理論的枠組みを構築し,一致した支援確率の低い境界を保証する。
重要なことは、提案された保証は、トレーニングタスク以外の見つからないデータを含むトルク分布全体を抑えることである。
これにより、信頼性と一般化が強く、どちらも効果的な外骨格制御に不可欠である。
提案手法は ABLE 上肢外骨格に実装され,マルチタスク設定で評価される。
実験結果から,提案手法が複数のタスクにまたがって効果的に総合的な性能を達成し,運動の円滑性を保証し,人間の身体的労力を低減できることが実証された。
関連論文リスト
- Safety-Constrained Model Predictive Control for an Omnidirectional Walking Assistive Robot Using Control Barrier Function [16.436320451650435]
本稿では,一方向歩行支援ロボット(I-WANDER)のための新しい制御フレームワークを提案する。
制御バリア関数(CBF)の定式化をモデル予測制御スキームに統合し、衝突回避安全制約を明示的に実施する。
その結果,CB-MPCアーキテクチャは運動の滑らかさを損なうことなく,エネルギー消費と機械的作業を大幅に削減できることがわかった。
論文 参考訳（メタデータ） (2026-09-22T10:51:27Z) - Occluding the Solution Space: Planner-Agnostic Adversarial Attacks on Tolerance-Aware Manipulation [57.9825059129472]
本稿では, 耐障害性を考慮したアタック・フレームワークを提案する。
提案手法は,評価パラダイムを目標領域を越えたタスクレベルの実現性にシフトする。
オンラインでは、この攻撃を最大カバレッジ最適化の予算として定式化しています。
論文 参考訳（メタデータ） (2026-07-04T08:14:44Z) - RoboWits: Unexpected Challenges for Robotic Creative Problem Solving [58.58727722988084]
我々は、認知的推論、創造的ツールの使用、予期しない状況に対する堅牢性を評価するために設計された、双方向のロボットベンチマークであるRoboWitsを紹介する。
このパイプラインを用いて,30種類の種タスクと208のタスクを,幾何学的,物質的,集合的推論にまたがる変異と難易度でキュレートした。
プレトレーニングされたVLAは,単一タスクの微調整後にシードタスクに予備的な成功を示すが,変異タスクの実行に苦慮している。
論文 参考訳（メタデータ） (2026-05-28T17:57:15Z) - TRACE: Trajectory-Aware Comprehensive Evaluation for Deep Research Agents [51.30998248590416]
Trajectory-Aware Comprehensive Evaluation (TRACE) は、問題解決の軌道全体を評価するフレームワークである。
私たちのコントリビューションには、TRACEフレームワーク、その新しいメトリクス、および制御可能な複雑さを伴うDeepResearch-Benchが含まれています。
論文 参考訳（メタデータ） (2026-02-05T13:28:57Z) - DTRT: Enhancing Human Intent Estimation and Role Allocation for Physical Human-Robot Collaboration [8.019409744686877]
人間の意図推定と合理的な人間ロボットの役割割り当ては、安全かつ効率的な援助に不可欠である。
人間の誘導運動と強制データを利用する階層型アーキテクチャを備えたDual Transformer-based Robot Trajectron (DTRT)を提案する。
DTRTの正確な意図推定とコラボレーションのパフォーマンスを示す実験。
論文 参考訳（メタデータ） (2025-05-23T05:33:59Z) - Adaptive Bi-Level Multi-Robot Task Allocation and Learning under Uncertainty with Temporal Logic Constraints [5.329682333337303]
この研究は、未知のロボット遷移モデルの下でのマルチロボット協調の問題に対処する。
本稿では,ハイレベルなタスクアロケーションと低レベルな分散ポリシ学習と実行を統合した双方向フレームワークを提案する。
提案アルゴリズムを理論的に検証し,課題割り当てが所望の確率閾値を高い信頼性で満たすことを示す。
論文 参考訳（メタデータ） (2025-02-14T10:39:21Z) - From Adversarial Arms Race to Model-centric Evaluation: Motivating a
Unified Automatic Robustness Evaluation Framework [91.94389491920309]
テキストの敵対攻撃は、セマンティック保存されているが、入力に誤解を招く摂動を加えることでモデルの弱点を発見することができる。
既存のロバストネス評価の実践は、包括的評価、非現実的評価プロトコル、無効な対人サンプルの問題を示す可能性がある。
我々は、敵攻撃の利点を活用するために、モデル中心の評価にシフトする統合された自動ロバストネス評価フレームワークを構築した。
論文 参考訳（メタデータ） (2023-05-29T14:55:20Z) - SHARP: Shielding-Aware Robust Planning for Safe and Efficient
Human-Robot Interaction [5.804727815849655]
シールド」制御スキームは、安全クリティカルなイベントが差し迫った場合に、ロボットの名目上の計画と安全フォールバック戦略をオーバーライドする。
本研究では,ロボットが将来の遮蔽イベントを明示的に考慮し,効率的に計画できる新しい遮蔽型計画手法を提案する。
論文 参考訳（メタデータ） (2021-10-02T17:01:59Z) - 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) - Towards Understanding the Adversarial Vulnerability of Skeleton-based
Action Recognition [133.35968094967626]
骨格に基づく行動認識は、動的状況への強い適応性から注目を集めている。
ディープラーニング技術の助けを借りて、かなり進歩し、現在、良識のある環境で約90%の精度を達成している。
異なる対角的環境下での骨格に基づく行動認識の脆弱性に関する研究はいまだ研究されていない。
論文 参考訳（メタデータ） (2020-05-14T17:12:52Z)
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。