論文の概要: Probabilistic Physics Digital Twin for Human-Robot Interaction

• arxiv url: http://arxiv.org/abs/2610.19336v2
• Date: Sat, 17 Oct 2026 14:28:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 21:22:33.486362
• Title: Probabilistic Physics Digital Twin for Human-Robot Interaction
• Title（参考訳）: 人間-ロボットインタラクションのための確率論的物理ディジタル双対
• Abstract要約: デジタル双生児は、ロボット工学において、インタラクションをシミュレートし、アクションの結果を予測し、計画を支援するためにますます利用されている。 本研究では,不確実な物理特性を固定値ではなく確率分布として表現する確率論的ディジタルツインを提案する。 これらのシミュレーションは、物理的不確実性にもかかわらず効果的である行動を特定することによって、人間とロボットの両方の行動を導くことができる。
• 参考スコア（独自算出の注目度）: 0.30786914102688595
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Digital twins are increasingly used in robotics to simulate interactions, predict action outcomes, and support planning. However, constructing accurate digital twins requires precise estimates of physical properties such as mass, friction, and center of mass, which are often difficult to obtain in real-world environments. We propose probabilistic digital twins, which represent uncertain physical properties as probability distributions rather than fixed values. By simulating actions across these distributions, the twin predicts a range of possible outcomes and their likelihoods. These probabilistic simulations can guide both human and robot actions by identifying actions that are effective despite physical uncertainty. We demonstrate this framework through human-robot interaction scenarios, including interfaces that communicate simulated outcomes to users and robot planning strategies that explicitly account for uncertainty.
• Abstract（参考訳）: デジタル双生児は、ロボット工学において、インタラクションをシミュレートし、アクションの結果を予測し、計画を支援するためにますます利用されている。 しかし、正確なデジタル双対の構築には、実際の環境では入手が難しい質量、摩擦、質量の中心といった物理的性質の正確な推定が必要である。 本研究では,不確実な物理特性を固定値ではなく確率分布として表現する確率論的ディジタルツインを提案する。 これらの分布にまたがる作用をシミュレートすることで、双子は起こりうる結果とその可能性を予測する。 これらの確率論的シミュレーションは、物理的不確実性にもかかわらず効果的である行動を特定することによって、人間とロボットの両方の行動を導くことができる。 このフレームワークは,ユーザに対してシミュレーション結果を伝えるインターフェースや,不確実性を明確に説明するロボット計画戦略など,人間とロボットのインタラクションシナリオを通じて実証する。

関連論文リスト

• Cross-Embodiment Affordance Transfer for Robotic Manipulation [0.22940141855172033]
  本稿では,人間の手当アノテーションをロボットが実行可能な手当予測に翻訳するフレームワークを提案する。 ネットワークは、対象物の表面領域がロボットによって物理的に実行可能であることを予測する。 UR5eロボットアーム上の2つの並列ジャウ構成を用いて、家庭用オブジェクトデータセット上で評価を行った。
  論文  参考訳（メタデータ） (2026-10-13T11:31:44Z)
• Joint Prediction of Human Motions and Actions in Human-Robot Collaboration [81.20389836121502]
  我々は,人間の行動と行動の共役推定と予測のための階層的枠組みであるtextsfMA-HERPを紹介した。 本研究では, 筋骨格シミュレーションを用いて, 騒音下での正確な動き予測と頑健な動作推定を示す予備的な実験評価を行った。
  論文  参考訳（メタデータ） (2026-04-03T14:40:07Z)
• Grounding Social Perception in Intuitive Physics [55.69427097024444]
  本稿では,計画,確率的計画,物理シミュレーションを統合し,エージェントの目標と関係を軌道から推測するモデルを提案する。 以上の結果から,本モデルが社会的場面の物理的理解の方法の計算的説明を提供する可能性が示唆された。
  論文  参考訳（メタデータ） (2026-03-28T21:14:49Z)
• D-REX: Differentiable Real-to-Sim-to-Real Engine for Learning Dexterous Grasping [66.22412592525369]
  本稿では,ガウスのSplat表現を生かした実--sim-to-realエンジンを導入し,実-sim-to-realエンジンについて述べる。 提案エンジンは, 各種物体の形状と質量値のマス識別において, 高精度かつロバストな性能を実現していることを示す。 これらの最適化された質量値は、力覚的なポリシー学習を促進し、オブジェクトの把握において優れた、高いパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2026-03-01T15:32:04Z)
• COBRA-PPM: A Causal Bayesian Reasoning Architecture Using Probabilistic Programming for Robot Manipulation Under Uncertainty [5.47019032771784]
  我々は、因果ベイズネットワークと確率的プログラミングを組み合わせた新しい因果ベイズ推論アーキテクチャであるCOBRA-PPMを導入し、不確実性の下でロボット操作の介入推論を行う。 ブロック積み重ね作業における高忠実度実験により,高い精度で操作結果を予測する(Pred Acc: 88.6%)とともに,94.2%のタスク成功率でグリージーな次善動作選択を行う。
  論文  参考訳（メタデータ） (2024-03-21T15:36:26Z)
• Data-driven emotional body language generation for social robotics [58.88028813371423]
  社会ロボティクスでは、人間型ロボットに感情の身体的表現を生成する能力を与えることで、人間とロボットの相互作用とコラボレーションを改善することができる。 我々は、手作業で設計されたいくつかの身体表現から学習する深層学習データ駆動フレームワークを実装した。 評価実験の結果, 生成した表現の人間同型とアニマシーは手作りの表現と異なる認識が得られなかった。
  論文  参考訳（メタデータ） (2022-05-02T09:21:39Z)
• Motron: Multimodal Probabilistic Human Motion Forecasting [30.154996245556532]
  モトロン(Motron)は、人間のマルチモーダルを捉えるグラフ構造モデルである。 各モードに対して決定論的動きと対応する信頼値を出力する。 実世界の動き予測データセットを用いて,本モデルの性能を実証する。
  論文  参考訳（メタデータ） (2022-03-08T14:58:41Z)
• Spatial Computing and Intuitive Interaction: Bringing Mixed Reality and Robotics Together [68.44697646919515]
  本稿では,空間コンピューティングを応用し,新しいロボットのユースケースを実現するためのロボットシステムについて述べる。 空間コンピューティングとエゴセントリックな感覚を複合現実感デバイスに組み合わせることで、人間の行動をキャプチャして理解し、それらを空間的な意味を持つ行動に変換することができる。
  論文  参考訳（メタデータ） (2022-02-03T10:04:26Z)
• Probabilistic Human Motion Prediction via A Bayesian Neural Network [71.16277790708529]
  本稿では,人間の動作予測のための確率モデルを提案する。 我々のモデルは、観測された動きシーケンスが与えられたときに、いくつかの将来の動きを生成することができる。 我々は、大規模ベンチマークデータセットHuman3.6mに対して、我々のアプローチを広範囲に検証した。
  論文  参考訳（メタデータ） (2021-07-14T09:05:33Z)
• An Integrated Localisation, Motion Planning and Obstacle Avoidance Algorithm in Belief Space [1.3535770763481902]
  ノイズセンサとアクティベーションエラーは、環境の特徴を推定しながら導入されたエラーと重なり合う。 本稿では,ロボットの状態推定にこれらの不確実性を取り入れた新しい手法を提案する。 推定ロボット構成に関する衝突確率を計算する。
  論文  参考訳（メタデータ） (2021-01-27T17:47:45Z)

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。