論文の概要: Watch, Infer, Coordinate: Inferring Robot Partner Constraints for Zero-Shot Coordination

• arxiv url: http://arxiv.org/abs/2610.02170v1
• Date: Thu, 01 Oct 2026 17:56:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 01:19:24.36133
• Title: Watch, Infer, Coordinate: Inferring Robot Partner Constraints for Zero-Shot Coordination
• Title（参考訳）: ゼロショットコーディネートのためのロボットパートナーの制約を推測する動画、Infer, Coordinate
• Abstract要約: ハードウェア劣化やアクチュエータ障害によって引き起こされる制限は、ロボットが確実に実行できる動作を制限することができる。 本研究では,ロボットが他のロボットと協調することから,ロボットの身体的制約を推測できるかどうかを検討する。 Watch、Infer、Coordinateという3つの物理的に結合した操作設定にまたがるベンチマークを紹介します。
• 参考スコア（独自算出の注目度）: 35.23316902075371
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Robots operating in the physical world will increasingly need to coordinate with other robots, particularly in manipulation tasks where an object may be too large or heavy for a single robot to carry alone. Physical limitations caused by hardware degradation or actuator faults can restrict the actions a robot can reliably execute, yet these limitations may be unknown to its partner. We study whether a helper can infer a robot partner's physical constraints from observing it coordinate with another robot, then use the inferred capability to coordinate with the same partner on a new task. This is difficult because a demonstration shows what the constrained robot did, but not what it could have done. In physically coupled tasks, the other robot may also compensate for its limitations, making those limitations difficult to identify from the constrained robot's behavior alone. Our key insight is that these constraints shape the joint behavior of the team, making the actions of both robots informative about the constrained partner's capability. We introduce Watch, Infer, Coordinate, a benchmark spanning three physically coupled manipulation settings, together with an inference approach that scores candidate constraints using observed joint behavior. Across all three settings, our method substantially improves constraint inference and zero-shot coordination, approaching an oracle with access to the true constraints.
• Abstract（参考訳）: 物理的な世界で動くロボットは、他のロボットと協調する必要がますます高まっている。 ハードウェアの劣化やアクチュエータの故障によって引き起こされる物理的制限は、ロボットが確実に実行できる動作を制限することができる。 本研究は,ロボットパートナーの身体的制約を,他のロボットとの協調を観察することから推測できるかどうかを考察する。 これは、制約されたロボットが何をしたかを示すデモであるため難しいが、何ができたのかは示さない。 物理的に結合されたタスクでは、他のロボットはその制限を補うことができ、制約されたロボットの行動のみからこれらの制限を特定するのが難しくなる。 我々の重要な洞察は、これらの制約がチームの共同行動を形成し、両ロボットの行動が制約されたパートナーの能力について情報を与えることである。 我々は3つの物理的に結合した操作設定にまたがるベンチマークであるWatch, Infer, Coordinateと、観測された関節行動を用いて候補制約を評価する推論手法を紹介する。 これら3つの設定全体にわたって、本手法は制約推論とゼロショット調整を大幅に改善し、真の制約にアクセスできるオラクルにアプローチする。

関連論文リスト

• Robots that Collaborate: Sequential Asymmetric Imitation for Learning Coupled Robot Policies [8.640835924450553]
  協調的な移動操作では、ロボットが部分的に観察されたパートナーと協調する必要がある。 失敗は、しばしば誤った待ち時間、収量、引き抜き、解放、再配置から生じるため、これは難しい。 本稿では,複数ロボットの動作を同時に学習するための一括操作カリキュラムであるSequential Asymmetric Imitation (SAI)を提案する。
  論文  参考訳（メタデータ） (2026-06-15T09:55:58Z)
• Adaptive Vision-Based Control of Redundant Robots with Null-Space Interaction for Human-Robot Collaboration [7.779638839381672]
  人間とロボットのコラボレーションは、ロボットとの協力を通じて人間の能力を拡張することを目的としている。 人間とロボットのコラボレーションが1つのロボット/人間より優れているように、双方のパフォーマンスを向上させることは、未解決の問題である。 タスク空間における適応的視覚に基づく制御項と、ヌル空間における対話的制御項からなる冗長ロボットの新しい制御方式が提案されている。
  論文  参考訳（メタデータ） (2026-03-09T08:30:14Z)
• RobotSeg: A Model and Dataset for Segmenting Robots in Image and Video [56.9581053843815]
  画像とビデオにおけるロボットセグメンテーションの基礎モデルであるRobotSegを紹介する。 ロボットへの適応の欠如、手動のプロンプトへの依存、フレーム単位のトレーニングマスクアノテーションの必要性に対処する。 それは、画像とビデオの両方で最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2025-11-28T07:51:02Z)
• 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)
• Controlling diverse robots by inferring Jacobian fields with deep networks [48.279199537720714]
  自然生物の複雑な構造と多様な機能を反映することは、ロボット工学における長年の課題である。 本稿では,深層ニューラルネットワークを用いてロボットの映像ストリームをバイスモータヤコビアン場にマッピングする手法を提案する。 提案手法は,正確なクローズドループ制御を実現し,各ロボットの因果動的構造を復元する。
  論文  参考訳（メタデータ） (2024-07-11T17:55:49Z)
• Commonsense Reasoning for Legged Robot Adaptation with Vision-Language Models [81.55156507635286]
  脚のついたロボットは、様々な環境をナビゲートし、幅広い障害を克服することができる。 現在の学習手法は、人間の監督を伴わずに、予期せぬ状況の長い尾への一般化に苦慮することが多い。 本稿では,VLM-Predictive Control (VLM-PC) というシステムを提案する。
  論文  参考訳（メタデータ） (2024-07-02T21:00:30Z)
• Improving safety in physical human-robot collaboration via deep metric learning [36.28667896565093]
  柔軟な生産シナリオでは、ロボットとの直接の物理的相互作用がますます重要になっている。 リスクポテンシャルを低く抑えるため、物理的な接触がある場合や安全距離に違反する場合など、比較的簡単な操作措置が定められている。 この研究はDeep Metric Learning(DML)アプローチを用いて、非接触ロボットの動き、物理的人間とロボットの相互作用を目的とした意図的な接触、衝突状況の区別を行う。
  論文  参考訳（メタデータ） (2023-02-23T11:26:51Z)
• 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。

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。