論文の概要: Fixed-Reference Pose Residuals for Measuring Cross-Dataset Cue Transfer in Human-Robot Interaction Anticipation

• arxiv url: http://arxiv.org/abs/2610.12245v1
• Date: Thu, 08 Oct 2026 16:23:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 02:36:54.162711
• Title: Fixed-Reference Pose Residuals for Measuring Cross-Dataset Cue Transfer in Human-Robot Interaction Anticipation
• Title（参考訳）: 人間とロボットの相互作用予測におけるデータセット間のキュー転送の固定参照残差
• Abstract要約: ソーシャルロボットとサービスロボットは、近くにいる人が近づき、触れようとしているものを予想する必要がある。 あるロボットで訓練されたモデルが別の場所で別のロボットで使用されるとき、この予測を誰が支持するかは、ほとんど不明である。 固定参照ポーズ残差(FRPR)モデルを用いてこの問題を考察する。
• 参考スコア（独自算出の注目度）: 14.14077204051717
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Social and service robots in public spaces need to anticipate which nearby person is about to approach and touch them, so that a response can be prepared before contact. It is largely unknown which cues support this anticipation when a model trained with one robot is used on another robot at a different site. We study this question with a fixed-reference pose residual (FRPR) model: a geometry predictor built from the person's bounding box and mask is trained and frozen, and a temporal network then learns from body pose an additive correction to its logit, so that every prediction splits exactly into a geometry term and a pose term. Between two public egocentric datasets recorded by different robots, HUI360 and SSUP-A, with every choice made on source data, the pose correction raised average precision (AP) from 0.277 to 0.321 from SSUP-A to HUI360 and gave no measurable gain in the opposite direction; the same asymmetry held over a stronger, source-selected geometry reference. Freezing gave no AP advantage over joint training, and simple geometric baselines and tree ensembles remained competitive or better, so the construction serves measurement rather than prediction accuracy. A head-orientation residual added small gains in both directions. Post hoc, whether a person faces the camera kept its discriminative direction across datasets, whereas head pitch reversed. With thresholds chosen on source data, the neural models that use geometry detected at most 17% of target interactions. Code and processed data are available at https://github.com/WeiZhou96/FRPR-interaction-anticipation.
• Abstract（参考訳）: 公共空間の社会・サービスロボットは、接触前に応答を準備できるように、近くの人が近づこうとしているものを予測し、触れる必要がある。 あるロボットで訓練されたモデルが別の場所で別のロボットで使用されるとき、この予測を誰が支持するかは、ほとんど不明である。 本研究では,固定参照ポーズ残差(FRPR)モデルを用いて,人の拘束箱とマスクから構築した幾何予測器を訓練・凍結し,時間的ネットワークが身体からロジットに付加的な補正を施すことで,全ての予測を幾何学用語とポーズ項に正確に分割する。 異なるロボットによって記録された2つの公的なエゴセントリックデータセット、HUI360とSSUP-Aの間には、ソースデータに基づいて選択されたすべての選択があり、ポーズ補正はSSUP-AからHUI360への平均精度(AP)を0.277から0.321に引き上げ、反対方向に測定可能な利得を与えなかった。 凍結は共同訓練にAPの優位性を与えず、単純な幾何学的なベースラインと木のアンサンブルは競争力を維持したままであった。 頭向き残差は両方向に小さな利得を加えた。 ポストホックでは、人がカメラに直面しているかどうかによって、データセット間で差別的な方向が保たれ、一方、ヘッドピッチは反転した。 ソースデータに基づいてしきい値を選択すると、ターゲットのインタラクションの少なくとも17%で検出されたジオメトリを使用するニューラルネットワークが検出される。 コードと処理されたデータはhttps://github.com/WeiZhou96/FRPR-interaction-precipationで公開されている。

関連論文リスト

• Imagine2Real: Towards Zero-shot Humanoid-Object Interaction via Video Generative Priors [51.096845970243855]
  高忠実度3Dデータの不足により,全体Humanoid-Object Interaction (HOI) がボトルネックとなる。 本研究では,ゼロショットHOIフレームワークであるImagine2Realを提案する。
  論文  参考訳（メタデータ） (2026-05-21T10:15:39Z)
• CondiMen: Conditional Multi-Person Mesh Recovery [0.0]
  本研究ではコンディメン(CondiMen)を提案する。コンディメン(CondiMen)は、カメラへのポーズ、体形、内在性、距離に関する共同パラメトリック分布を出力する手法である。 私たちのモデルは、最先端技術と同等以上のパフォーマンスを実現しています。
  論文  参考訳（メタデータ） (2024-12-17T16:22:56Z)
• Exploring 3D Human Pose Estimation and Forecasting from the Robot's Perspective: The HARPER Dataset [52.22758311559]
  本研究では,ユーザとスポット間のダイアドインタラクションにおける3次元ポーズ推定と予測のための新しいデータセットであるHARPERを紹介する。 キーノーベルティは、ロボットの視点、すなわちロボットのセンサーが捉えたデータに焦点を当てることである。 HARPERの基盤となるシナリオには15のアクションが含まれており、そのうち10つはロボットとユーザの間の物理的接触を含んでいる。
  論文  参考訳（メタデータ） (2024-03-21T14:53:50Z)
• Towards a large-scale fused and labeled dataset of human pose while interacting with robots in shared urban areas [0.0]
  人間のポース推定は、下流の様々な応用に欠かせないステップストーンである。 このギャップを2つのデータセットの再利用、再利用、ラベル付けによって埋めます。 その結果得られたユニークなデータセットは、屋内および屋外における何千もの人間とロボットの相互作用のシナリオを表している。
  論文  参考訳（メタデータ） (2024-01-28T18:24:34Z)
• Dual networks based 3D Multi-Person Pose Estimation from Monocular Video [42.01876518017639]
  複数人の3Dポーズ推定はシングルポーズ推定よりも難しい。 既存のトップダウンとボトムアップのアプローチでは、推定が検出エラーに悩まされる。 我々は,トップダウンアプローチとボトムアップアプローチを統合して,その強みを活用することを提案する。
  論文  参考訳（メタデータ） (2022-05-02T08:53:38Z)
• 3D Human Pose Regression using Graph Convolutional Network [68.8204255655161]
  本稿では,2次元のポーズから3次元のポーズ回帰を行うために,PoseGraphNetというグラフ畳み込みネットワークを提案する。 我々のモデルの性能は最先端に近いが、パラメータははるかに少ない。
  論文  参考訳（メタデータ） (2021-05-21T14:41:31Z)
• Multi-Person Extreme Motion Prediction with Cross-Interaction Attention [44.35977105396732]
  人間の動き予測は、過去の3D骨格の連続から将来の人間のポーズを予測することを目的としている。 本システムの入力は, 相互作用する2人の人物に対する過去の骨格の2つのシーケンスであると仮定する。 我々は,自己のポーズと他者のポーズの相互依存を予測できる,新たなインタラクションアテンション機構を考案した。
  論文  参考訳（メタデータ） (2021-05-18T20:52:05Z)
• Real-time RGBD-based Extended Body Pose Estimation [57.61868412206493]
  3DヒトポーズのリアルタイムRGBDに基づく推定システムを提案する。 パラメトリック3次元変形可能なヒューマンメッシュモデル(SMPL-X)を表現として使用する。 身体のポーズと表情パラメータの推定子を訓練する。
  論文  参考訳（メタデータ） (2021-03-05T13:37:50Z)

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。