論文の概要: R2RI: A Multi-View Event and RGB Dataset for Robot-to-Robot Interaction
- arxiv url: http://arxiv.org/abs/2610.07117v1
- Date: Mon, 05 Oct 2026 17:02:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-08 02:58:29.566891
- Title: R2RI: A Multi-View Event and RGB Dataset for Robot-to-Robot Interaction
- Title（参考訳）: R2RI:ロボットとロボットのインタラクションのためのマルチビューイベントとRGBデータセット
- Abstract要約: 本稿では,ロボット間インタラクションタスクに対処するために設計された最初のデータセットであるロボット間インタラクション(R2RI)を紹介する。
R2RIは、異なるヒューマノイドロボットと、実際の人間の社会的行動に基づいてモデル化された現実的な相互作用で構成されている。
データセットは6.5ドル以上のフレームと、イベントドメインやRGBドメインを含む120ドルfpsの$approx5000$ビデオで構成されている。
- 参考スコア（独自算出の注目度）: 20.198515062849804
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Understanding and modeling interactions between autonomous agents is a fundamental challenge in robotics, with broad implications for collaborative systems, social robotics, and human-robot coexistence. Although the study of robot interactions has emerged as a compelling research direction, progress has been severely hampered by the absence of large-scale benchmarks. In this paper, we introduce Robot-to-Robot Interaction (R2RI), the first dataset specifically designed to address the Robot-Robot Interaction (RRI) task. R2RI consists of different humanoid robots and realistic interactions modeled on real human social behaviors. Complementary viewpoints are available, \textit{i.e.}, an egocentric perspective from each robot's onboard sensors, and an exocentric perspective from external fixed cameras, thus enabling rich spatial and contextual understanding of the interaction dynamics. The dataset comprises more than $6.5$M frames and $\approx5000$ videos at $120$ fps, including Event and RGB domains. We investigate pros and cons of each domain, comparing state-of-the-art approaches for a number of key sensing and interaction based tasks. We publicly release the dataset and its annotations for all tasks and modalities at https://github.com/MagriniGabriele/R2RI.
- Abstract（参考訳）: 自律エージェント間の相互作用の理解とモデル化は、ロボット工学における基本的な課題であり、協調システム、社会ロボティクス、人間とロボットの共存に幅広い意味を持つ。
ロボットインタラクションの研究は魅力的な研究方向として現れているが、大規模なベンチマークが欠如しているため、進歩は著しく妨げられている。
本稿では,ロボット間インタラクション(Robo-to-Robot Interaction, R2RI)タスクに対処するために設計された最初のデータセットであるロボット間インタラクション(Robot-to-Robot Interaction, R2RI)を紹介する。
R2RIは、異なるヒューマノイドロボットと、実際の人間の社会的行動に基づいてモデル化された現実的な相互作用で構成されている。
補足的な視点(textit{i.e.})、各ロボットの搭載センサーからの自我的視点、外部固定カメラからの自我的視点(exocentric perspective)が利用可能であり、インタラクションのダイナミクスの空間的および文脈的理解を可能にする。
データセットは6.5ドル以上のフレームと、イベントドメインやRGBドメインを含む120ドルfpsの$\approx5000$ビデオで構成されている。
我々は各領域の長所と短所を調査し、多くのキーセンシングおよびインタラクションに基づくタスクに対する最先端のアプローチを比較した。
データセットとそのアノテーションはhttps://github.com/MagriniGabriele/R2RIで公開しています。
関連論文リスト
- AffordanceWAM: Affordance-Aware Joint World-Action Modeling for Robot Manipulation [61.436480565887905]
汎用的なロボット操作は、シーンがどのように進化するかを予測する必要がある。
アクションラベル付きロボットビデオは、直接制御を監督するが、コストが高く、多様性に制限がある。
本稿では,Scalr Affordance と Affordance Heatmap によるオブジェクトの空き時間を表す,空き時間を考慮した World Action Model を提案する。
論文 参考訳（メタデータ） (2026-09-16T14:07:06Z) - Ego2Robot: Scalable Robot Data Synthesis from Egocentric Human Data [60.94418315274988]
Ego2Robotは、キュレートされたビデオとインザワイルドのビデオの両方をサポートし、15のロボット形態にまたがる18,561時間のトレーニングデータを生成する。
Ego2Robotの合成データとロボットデータの併用による事前学習は、複数のタイプにわたるアウト・オブ・ディストリビューションの一般化を一貫して改善する。
論文 参考訳（メタデータ） (2026-08-03T17:52:26Z) - Robot-Factored World Models via Robot Rendering [25.12876640584098]
アクション条件付きビデオワールドモデルは、初期観測と行動信号から将来の観測を予測する。
本研究では,ロボット特異的な2つの要素を世界モデル外へ移動させるロボット駆動世界モデルを提案する。
実験により, レンダリングインタフェースはベクトル条件付きベースラインより優れており, 未知のロボットエンボディメント推論に一般化されていることがわかった。
論文 参考訳（メタデータ） (2026-07-24T17:59:57Z) - Initiation of Interaction Detection Framework using a Nonverbal Cue for Human-Robot Interaction [15.228284553815593]
本稿では,音声と視覚センサの融合に基づくインタラクション(IoI)検出フレームワークについて述べる。
提案するフレームワークでは、ロボットは独自のオーディオと視覚センサーを備えており、人間の検出と追跡を安定させるために外部視覚センサーを使用することができる。
論文 参考訳（メタデータ） (2026-05-11T07:07:01Z) - 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) - 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) - GRUtopia: Dream General Robots in a City at Scale [65.08318324604116]
本稿では,各種ロボットを対象とした対話型3D社会「GRUtopia」について紹介する。
GRScenesには100万のインタラクティブな微妙な注釈付きシーンが含まれており、都市規模の環境に自由に組み合わせることができる。
GRResidentsはLarge Language Model (LLM)によって駆動されるNon-Player Character (NPC)システムである。
論文 参考訳（メタデータ） (2024-07-15T17:40:46Z) - NatSGD: A Dataset with Speech, Gestures, and Demonstrations for Robot
Learning in Natural Human-Robot Interaction [19.65778558341053]
HRIデータセットは、オブジェクトのポインティングやプッシュといった基本的なタスクに重点を置いていることが多い。
音声とジェスチャーによる人間のコマンドを含むマルチモーダルHRIデータセットであるNatSGDを紹介する。
マルチモーダル・ヒューマン・コマンドによるタスク理解のためのロボットの訓練において,その効果を実証する。
論文 参考訳（メタデータ） (2024-03-04T18:02:41Z) - ROS-PyBullet Interface: A Framework for Reliable Contact Simulation and
Human-Robot Interaction [17.093672006793984]
信頼性の高いコンタクト/インパクトシミュレータPyBulletとロボットオペレーティングシステム(ROS)のブリッジを提供するフレームワークであるROS-PyBullet Interfaceを提案する。
さらに,シミュレーション環境でのヒューマン・ロボット・インタラクション(HRI)を促進するために,新たなユーティリティを提供する。
論文 参考訳（メタデータ） (2022-10-13T10:31:36Z) - Single-view robot pose and joint angle estimation via render & compare [40.05546237998603]
本稿では,1枚のRGB画像から関節角度と6Dカメラとロボットのポーズを推定する手法であるRoboPoseを紹介する。
これは、モバイルおよび反復型自律システムに他のロボットと対話する能力を与える上で、重要な問題である。
論文 参考訳（メタデータ） (2021-04-19T14:48:29Z)
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。