論文の概要: Active Perception of Upper-Limb Functional Mobility through Human-Robot Handovers
- arxiv url: http://arxiv.org/abs/2610.19896v1
- Date: Wed, 14 Oct 2026 09:55:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-15 21:06:16.077833
- Title: Active Perception of Upper-Limb Functional Mobility through Human-Robot Handovers
- Title（参考訳）: ロボットハンドオーバによる上肢機能運動の能動的知覚
- Abstract要約: 共有ワークスペースで動作する協調ロボットとヒューマノイドは、人間のパートナーの身体的能力にその振る舞いを適応させなければならない。
本研究では,上肢機能的モビリティを能動的知覚問題として定式化する。
本稿では,ロボットが繰り返しハンドオーバ要求によってユーザを積極的に探索する,オンラインアクティブな知覚パイプラインを提案する。
- 参考スコア（独自算出の注目度）: 12.400343823051182
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The reintegration of people in the workplace after an upper-limb injury is often a long process. Collaborative robots and humanoids operating in shared workspaces must adapt their behavior to the physical capabilities of their human partners. Achieving this requires robots to autonomously estimate task-relevant human mobility during interaction, without relying on external clinical assessments. In this work, we formulate the estimation of upper-limb functional mobility as an active perception problem. We model task-available upper-limb functional ranges of motion through impairment coefficients that parameterize reductions of healthy joint limits, and integrate this representation into a human model used by the robot during interaction. Based on this formulation, we propose an online active perception pipeline in which the robot actively probes the user through repeated handover requests while progressively updating a Bayesian belief over the impairment coefficients. This enables the robot to continuously refine its internal model of the user's joint-level capabilities through interaction rather than passive observation. The proposed framework was evaluated through simulation studies and a proof-of-concept physical validation with a robotic platform and enacted human impairments, demonstrating that the pipeline can accurately recover the impairment coefficients during real human-robot handovers.
- Abstract（参考訳）: 上肢損傷後の職場での人々の再統合は、多くの場合、長いプロセスである。
共有ワークスペースで動作する協調ロボットとヒューマノイドは、人間のパートナーの身体的能力にその振る舞いを適応させなければならない。
これを実現するには、外部の臨床的評価に頼ることなく、対話中のタスク関連人間のモビリティを自律的に推定する必要がある。
本研究では,上肢機能運動量の推定を能動的知覚問題として定式化する。
我々は、正常な関節限界の減少をパラメータ化する障害係数によるタスク利用上層機能範囲をモデル化し、この表現をロボットが相互作用中に使用する人間モデルに統合する。
この定式化に基づいて,障害係数に対するベイズ的信念を段階的に更新しながら,ロボットが繰り返しハンドオーバ要求を通じて積極的にユーザを探索する,オンラインアクティブな知覚パイプラインを提案する。
これにより、ロボットは、受動的観察ではなく、インタラクションを通じて、ユーザーの関節レベルの能力の内部モデルを継続的に洗練することができる。
提案手法は,ロボットプラットフォームによる概念実証と人間障害の実施を通じて評価し,実際のロボットハンドオーバ時の障害係数を正確に回復できることを実証した。
関連論文リスト
- Learning from Humans for Proactive Assistance in Human-Robot Collaborative Transport [0.8880611506199769]
我々は、ロジスティクス、製造、家庭にまたがる課題である、人間とロボットのコラボレーティブトランスポートに焦点を当てる。
本稿では,人間とロボットの協調輸送の枠組みであるPROACTを紹介した。
実世界の108回にわたって、9-DoFの移動マニピュレータを用いて、PROACTは平均相互作用作業を59.2%、20.4%削減した。
論文 参考訳（メタデータ） (2026-09-21T19:41:30Z) - Beyond Failure Recovery: An Engagement-Aware Human-in-the-loop Framework for Robotic Systems [2.4077530504640205]
多くの人間中心のロボティクス設定では、インタラクションはユーザーを意思決定に巻き込むことによってエンゲージメントをサポートするべきである。
身体的な介護において、移動能力の制限は、瞬間にロボットの動作を介入または調整する能力を減らすことができる。
本稿では,作業負荷の制約を尊重しながら,エンゲージメントを意識したMPC(E-MPC)を提案する。
論文 参考訳（メタデータ） (2026-06-16T17:21:43Z) - Embodied Human Simulation for Quantitative Design and Analysis of Interactive Robotics [8.590015229469186]
本研究では,人間とロボットの相互作用を定量的に解析するためのシミュレーションベースのフレームワークを開発した。
中心となるのは、人間の力学系の予測的代理として機能する全身筋骨格モデルである。
我々は,ヒトと外骨格の相互作用を最適化する能力を示し,関節アライメントの改善と接触力の低下を示した。
論文 参考訳（メタデータ） (2026-03-10T05:39:31Z) - HHI-Assist: A Dataset and Benchmark of Human-Human Interaction in Physical Assistance Scenario [63.77482302352545]
HHI-Assist(ヒヒ・アシスト)は、人間の介助作業における人間のインタラクションのモーションキャプチャークリップからなるデータセットである。
私たちの研究は、ロボット支援ポリシーを大幅に強化する可能性がある。
論文 参考訳（メタデータ） (2025-09-12T09:38:17Z) - Towards Immersive Human-X Interaction: A Real-Time Framework for Physically Plausible Motion Synthesis [51.95817740348585]
Human-Xは、様々な実体をまたいだ没入的で物理的に妥当なヒューマンインタラクションを可能にするために設計された、新しいフレームワークである。
本手法は, 自己回帰型反応拡散プランナを用いて, リアルタイムに反応と反応を同時予測する。
我々のフレームワークは、人間とロボットのインタラクションのための仮想現実インターフェースを含む、現実世界のアプリケーションで検証されている。
論文 参考訳（メタデータ） (2025-08-04T06:35:48Z) - 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) - Robot Interaction Behavior Generation based on Social Motion Forecasting for Human-Robot Interaction [9.806227900768926]
本稿では,共有ロボット表現空間における社会的動き予測のモデル化を提案する。
ECHOは上記の共有空間で活動し、社会的シナリオで遭遇したエージェントの将来の動きを予測する。
我々は,多対人動作予測タスクにおけるモデルの評価を行い,最先端の性能を大きなマージンで獲得する。
論文 参考訳（メタデータ） (2024-02-07T11:37:14Z) - Real-time Addressee Estimation: Deployment of a Deep-Learning Model on
the iCub Robot [52.277579221741746]
住所推定は、社会ロボットが人間とスムーズに対話するために必要なスキルである。
人間の知覚スキルにインスパイアされたディープラーニングモデルは、iCubロボットに設計、訓練、デプロイされる。
本研究では,人間-ロボットのリアルタイムインタラクションにおいて,そのような実装の手順とモデルの性能について述べる。
論文 参考訳（メタデータ） (2023-11-09T13:01:21Z) - Design, Development, and Evaluation of an Interactive Personalized
Social Robot to Monitor and Coach Post-Stroke Rehabilitation Exercises [68.37238218842089]
パーソナライズされたリハビリテーションのための対話型ソーシャルロボット運動指導システムを開発した。
このシステムは、ニューラルネットワークモデルとルールベースのモデルを統合し、患者のリハビリテーション運動を自動的に監視し、評価する。
我々のシステムは,新たな参加者に適応し,専門家の合意レベルに匹敵する,エクササイズを評価するための平均パフォーマンス0.81を達成できる。
論文 参考訳（メタデータ） (2023-05-12T17:37:04Z) - 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) - Designing Personalized Interaction of a Socially Assistive Robot for
Stroke Rehabilitation Therapy [64.52563354823711]
社会支援ロボットの研究は、神経学的および筋骨格疾患の患者に対する理学療法セッションを増強し、支援する可能性がある。
本稿では,運動の質を予測するために,患者個別の運動の運動特性を動的に選択できる社会支援ロボットのインタラクティブなアプローチを提案する。
論文 参考訳（メタデータ） (2020-07-13T16:12:05Z)
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。