論文の概要: EarlyCommit: Calibrated Word-by-Word Commitment for Robots Acting Before You Finish Speaking

• arxiv url: http://arxiv.org/abs/2610.20531v1
• Date: Wed, 14 Oct 2026 17:28:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:16.280379
• Title: EarlyCommit: Calibrated Word-by-Word Commitment for Robots Acting Before You Finish Speaking
• Title（参考訳）: 会話が終わる前に行動するロボットに、単語ごとのキャリブレーションを課す
• Abstract要約: EarlyCommitは、命令が話されている間、ロボットが意図したオブジェクトにコミットすることを可能にするツールである。 最高のオブジェクトの確率がユーザが設定したしきい値タウに達すると作用する。 トレーニングで見たことのない単語を含む命令について、EarlyCommitはキーワードマッチングの1.6倍から2倍の頻度でコミットする。
• 参考スコア（独自算出の注目度）: 26.81598226089532
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Human listeners can often identify the intended object several words before an instruction ends. Robots, however, are typically designed to wait until the speaker has finished before deciding how to act. We present EarlyCommit, an open-source tool that lets a robot commit to the intended object while the instruction is being spoken. After every recognized word, a fine-tuned text encoder scores each object in the scene. The robot acts when the calibrated probability of the best object reaches a threshold tau set by the user, so 1 - tau is the accepted risk of choosing the wrong object. Otherwise, it waits or asks. The tool includes a streaming speech front end, a scene and instruction generator with exact word-by-word ground truth, and scripts to train, calibrate, and evaluate. On instructions containing words never seen in training, EarlyCommit commits correctly 1.6 to 2 times as often as keyword matching, is right at least 92 percent of the time when it commits at tau = 0.9, and needs 31 to 35 ms per word on consumer GPUs.
• Abstract（参考訳）: 人間のリスナーは、命令が終わる前に意図した対象をいくつかの単語で識別することができる。 しかし、ロボットは通常、スピーカーが完成するまで、動作の仕方を決める前に待つように設計されている。 命令が話されている間、ロボットが意図したオブジェクトにコミットできるオープンソースのツールであるEarlyCommitを提示する。 認識された単語の後で、微調整されたテキストエンコーダがシーン内の各オブジェクトをスコアする。 ロボットは、最適な物体の校正確率がユーザが設定したしきい値タウに達すると作用するので、1 - タウは、間違った物体を選択するための許容されるリスクである。 そうでなければ、待つか、尋ねる。 このツールには、ストリーミング音声のフロントエンド、単語ごとの正確な真実を持つシーンとインストラクションジェネレータ、およびトレーニング、校正、評価のためのスクリプトが含まれる。 トレーニングで見たことのない単語を含む命令について、EarlyCommitはキーワードマッチングの1.6倍から2倍の頻度でコミットする。

関連論文リスト

• Distill: Uncovering the True Intent behind Human-Robot Communication [3.8732212038055827]
  本稿では,人間とロボットのコミュニケーションインタフェースに対するDistillアプローチを提案する。 タスク仕様が与えられた場合、Distillは不要なステップを取り除き、個々のステップの背後にある意味を一般化し、ステップ間の制約の順序付けを緩和する。 我々はWebインターフェース上でDistillを実装し、クラウドソーシング調査を通じて、初期タスク仕様からユーザ意図を抽出し、洗練する能力を実証した。
  論文  参考訳（メタデータ） (2026-05-14T02:05:49Z)
• RoboOmni: Proactive Robot Manipulation in Omni-modal Context [165.09049429566238]
  我々は,音声対話や環境音,視覚的手がかりから意図を導出する,クロスモーダルな文脈指示を導入する。 目的認識,インタラクション確認,アクション実行を統一する,エンドツーエンドのOmni-Modal LLMに基づくフレームワークであるRoboOmniを提案する。 シミュレーションと実世界の設定の実験では、Robo OmniはテキストベースとASRベースのベースラインを越え、成功率、推論速度、意図認識、積極的に支援している。
  論文  参考訳（メタデータ） (2025-10-27T18:49:03Z)
• ProVox: Personalization and Proactive Planning for Situated Human-Robot Collaboration [28.29030844693482]
  協調型ロボットは、パートナーの意図や好みに迅速に適応し、積極的に有用な行動を特定する必要がある。 ProVoxは、ロボットが個人の協力者に効率よくパーソナライズし、適応できる新しいフレームワークである。 分析の結果,メタプロンプトとプロアクティブの両方が重要であり,タスク完了時間が38.7%,ユーザ負担が31.9%減少した。
  論文  参考訳（メタデータ） (2025-06-13T21:50:10Z)
• Enhancing Speech Instruction Understanding and Disambiguation in Robotics via Speech Prosody [2.0624236247076397]
  従来の方法では、音声をテキストに書き起こすには音声認識に頼っている。 本稿では,音声韻律を直接活用して指示意図を推測・解決する手法を提案する。 予測意図は、コンテキスト内学習を通じて大きな言語モデルに統合され、適切なタスク計画の曖昧化と選択を行う。
  論文  参考訳（メタデータ） (2025-06-01T14:06:57Z)
• Vocal Sandbox: Continual Learning and Adaptation for Situated Human-Robot Collaboration [64.6107798750142]
  Vocal Sandboxは、位置のある環境でシームレスな人間とロボットのコラボレーションを可能にするフレームワークである。 我々は,ロボットの能力に対する理解と協調をリアルタイムで構築できる軽量で解釈可能な学習アルゴリズムを設計する。 我々はVocal Sandboxを,コラボレーションギフトバッグアセンブリとLEGOストップモーションアニメーションの2つの設定で評価した。
  論文  参考訳（メタデータ） (2024-11-04T20:44:40Z)
• Look Hear: Gaze Prediction for Speech-directed Human Attention [49.81718760025951]
  本研究は、人物が画像を見て、参照表現を聴いているときの注意の漸進的な予測に焦点を当てた。 我々は,参照表現において各単語が引き起こす人間の定着を予測できるリファラルトランスフォーマーモデル(ART)を開発した。 定量的および定性的な分析では、ARTはスキャンパス予測の既存の手法よりも優れているだけでなく、いくつかの人間の注意パターンを捉えているように見える。
  論文  参考訳（メタデータ） (2024-07-28T22:35:08Z)
• 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)
• When can I Speak? Predicting initiation points for spoken dialogue agents [41.64197357473437]
  事前学習した音声表現モデルから韻律的特徴を用いたリードタイムの開始を予測した。 われわれは、Switchboard Corpusのモデルをトレーニングし、評価し、私たちの手法が700ミリ秒の沈黙を待つ一般的なアプローチを大きく上回っていることを発見した。
  論文  参考訳（メタデータ） (2022-08-07T20:58:52Z)
• Correcting Robot Plans with Natural Language Feedback [88.92824527743105]
  ロボットの修正のための表現的かつ柔軟なツールとして自然言語を探索する。 これらの変換により、ユーザは目標を正し、ロボットの動きを更新し、計画上のエラーから回復できる。 本手法により,シミュレーション環境や実環境において,複数の制約を合成し,未知のシーン,オブジェクト,文に一般化することが可能となる。
  論文  参考訳（メタデータ） (2022-04-11T15:22:43Z)
• Talk-to-Resolve: Combining scene understanding and spatial dialogue to resolve granular task ambiguity for a collocated robot [15.408128612723882]
  ロボットのコロケーションの実用性は、人間との容易で直感的な相互作用機構に大きく依存する。 本稿では,TTR(Talk-to-Resolve)と呼ばれるシステムについて述べる。 本システムでは,82%の精度でスタレマトを同定し,適切な対話交換で解決することができる。
  論文  参考訳（メタデータ） (2021-11-22T10:42:59Z)

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。