論文の概要: In View or Out of View? A Vision-Aware Filter that Infers and Reacts to the Human's Field of View
- arxiv url: http://arxiv.org/abs/2610.14577v1
- Date: Sat, 10 Oct 2026 04:52:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-20 12:51:47.145103
- Title: In View or Out of View? A Vision-Aware Filter that Infers and Reacts to the Human's Field of View
- Title（参考訳）: ビュー・オブ・ビュー」と「ビュー・オブ・ビュー」 : 人間の視野を推論・反応する視覚認識フィルタ
- Abstract要約: 我々は、人間の視野を用いて、相互作用中に人間が何を持っているか、そして見ていないかを推定する。
次に,ロボットの動作に対する視覚認識フィルタとして,この推定値を適用した。
運転環境における協調調理や協調作業を支援するロボットの視覚認識フィルタの評価を行った。
- 参考スコア（独自算出の注目度）: 4.015932386561019
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: During human-robot interaction, sight plays an important role. When the human sees a robot, they can observe the robot's actions and better predict the robot's future behaviors. Conversely, when the human cannot see the robot, they become uncertain about the robot's intent and plans. In this paper, we focus on the human's field of view. Existing human-aware planners either ignore this field of view and assume the human can observe the entire scene, or intentionally design their interactions so the robot is always visible to the human. By contrast, we enable robots to infer what the human has and has not seen during interaction, i.e., the human's field of view. We then apply this estimate as a vision-aware filter on the robot's actions. Given a nominal robot policy and a model of the interaction, we roll out the policy over a short horizon to see how the robot's state updates. We then reweight the actions based on how those actions impact the robot's predicted visibility: higher weights are assigned to actions that bring the robot into (or away from) the human's line of sight. In practice, our framework provides an online estimation and filtering process that repeatedly updates its understanding of the human's field of view and then locally perturbs robot actions based on the human's vision. We evaluate our vision-aware filter on robots that assist humans in collaborative cooking and coordinate with them in driving environments. Across simulations and a 12-participant user study, we find that our vision-aware filter changes both performance and preference: participants completed over three times as many subtasks with in-view assistance while cooking, and had fewer collisions with cars that purposely stayed out of their view while driving.
- Abstract（参考訳）: 人間とロボットの相互作用の間、視覚は重要な役割を果たす。
人間がロボットを見ていると、ロボットの行動を観察し、ロボットの将来の行動をより正確に予測することができる。
逆に、人間がロボットを見ることができないとき、ロボットの意図や計画が不明確になる。
本稿では,人間の視点に焦点をあてる。
既存の人間を意識したプランナーは、この視野を無視して、人間がシーン全体を観察できると仮定するか、故意に相互作用を設計し、常に人間に見えるようにしている。
対照的に、ロボットは相互作用中に人間に何があるのか、あるいは見ていないのか、すなわち人間の視野を推測することができる。
次に,ロボットの動作に対する視覚認識フィルタとして,この推定値を適用した。
名目上のロボットポリシーとインタラクションのモデルを考えると、ロボットの状態がどのように更新されるかを確認するために、短い地平線上でポリシーをロールアウトします。
そして、これらのアクションがロボットの予測される可視性にどのように影響するかに基づいて、アクションを再重み付けします。
実際に,我々のフレームワークは,人間の視界に対する理解を繰り返し更新し,人間の視力に基づいてロボットの動きを局所的に摂動させるオンライン推定・フィルタリングプロセスを提供する。
運転環境における協調調理や協調作業を支援するロボットの視覚認識フィルタの評価を行った。
シミュレーションと12名によるユーザスタディを通じて、私たちの視覚認識フィルタは、パフォーマンスと嗜好の両方を変えることが判明した。参加者は、調理中に視界の補助で3倍以上のサブタスクを完了し、運転中に意図的に視界から外れた車との衝突が少なくなった。
関連論文リスト
- Human2Any: Human-to-Robot Transfer via Constraint-Aware Compositional Planning [17.90707618632327]
我々は、人間のビデオから再利用可能なオブジェクト中心のインタラクションを学習するためのフレームワークであるHuman2Anyを紹介する。
我々は,FrankaテーブルトップとRBY-1ヒューマノイド移動ロボットの実際の実験を含む,さまざまな操作設定のHuman2Anyを検証する。
論文 参考訳（メタデータ） (2026-06-27T08:45:27Z) - HumanEgo: Zero-Shot Robot Learning from Minutes of Human Egocentric Videos [58.9564236347451]
HumanEgoは、人間とロボットのエンボディメントギャップを橋渡しするフレームワークである。
それは、人間のデモを、手動オブジェクトの相互作用の実体レベルの表現へと持ち上げる。
HumanEgoは、ロボットのデータフリー、ハードウェア非依存、データ効率、ゼロショットの人間とロボットの転送を可能にする。
論文 参考訳（メタデータ） (2026-05-24T08:26:41Z) - CIVIL: Causal and Intuitive Visual Imitation Learning [5.090234440090935]
ロボットのための新しい訓練パラダイムを提案する。
ロボットがどのような行動をとるべきかを人間に示すのではなく、人間がなぜ意思決定をしたのかを直感的に示すことができるのです。
我々のシミュレーションと実世界の実験は、CIVILで訓練されたロボットが、どのような行動を取るか、なぜその行動を取るのかを学習していることを示しています。
論文 参考訳（メタデータ） (2025-04-24T22:08:29Z) - Aligning Robot and Human Representations [50.070982136315784]
ロボット工学における現在の表現学習アプローチは、表現アライメントの目的がいかにうまく達成されているかの観点から研究されるべきである。
問題を数学的に定義し、その鍵となるデシダータを同定し、この形式主義の中に現在の方法を置く。
論文 参考訳（メタデータ） (2023-02-03T18:59:55Z) - Learning Latent Representations to Co-Adapt to Humans [12.71953776723672]
非定常的な人間はロボット学習者に挑戦しています。
本稿では,ロボットが動的人間と協調して適応できるアルゴリズム形式について紹介する。
論文 参考訳（メタデータ） (2022-12-19T16:19:24Z) - HERD: Continuous Human-to-Robot Evolution for Learning from Human
Demonstration [57.045140028275036]
本研究では,マイクロ進化的強化学習を用いて,操作スキルを人間からロボットに伝達可能であることを示す。
本稿では,ロボットの進化経路とポリシーを協調的に最適化する多次元進化経路探索アルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-12-08T15:56:13Z) - Robots with Different Embodiments Can Express and Influence Carefulness
in Object Manipulation [104.5440430194206]
本研究では,2つのロボットによるコミュニケーション意図による物体操作の知覚について検討する。
ロボットの動きを設計し,物体の搬送時に注意を喚起するか否かを判断した。
論文 参考訳（メタデータ） (2022-08-03T13:26:52Z) - From Movement Kinematics to Object Properties: Online Recognition of
Human Carefulness [112.28757246103099]
ロボットは、視覚だけで、人間のパートナーが物体を動かす際に注意を払っているかを、どのようにオンラインで推測できるかを示す。
我々は,低解像度カメラでも高い精度(最大81.3%)でこの推論を行うことができることを示した。
パートナーの行動を観察することによる動きの注意の迅速な認識により、ロボットはオブジェクトに対する行動に適応し、人間のパートナーと同じケアの度合いを示すことができる。
論文 参考訳（メタデータ） (2021-09-01T16:03:13Z) - Physical Interaction as Communication: Learning Robot Objectives Online
from Human Corrections [33.807697939765205]
物理的人間とロボットの相互作用(pHRI)は、しばしば故意に行われます。
そこで本論文では,pHRIが意図的であれば,ロボットはインタラクションを活用して,人間に許された後でも,現在のタスクの残りを完了させる方法を学ぶことができる,という情報も有益である,と論じる。
以上の結果から,pHRIからの学習がタスクパフォーマンスの向上と満足度の向上につながることが示唆された。
論文 参考訳（メタデータ） (2021-07-06T02:25:39Z) - Human Grasp Classification for Reactive Human-to-Robot Handovers [50.91803283297065]
本稿では,ロボットが人間に遭遇するロボットのハンドオーバに対するアプローチを提案する。
対象物をさまざまな手形やポーズで保持する典型的な方法をカバーする,人間の把握データセットを収集する。
本稿では,検出した把握位置と手の位置に応じて人手から対象物を取り出す計画実行手法を提案する。
論文 参考訳（メタデータ） (2020-03-12T19:58:03Z)
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。