論文の概要: Gaze-Assisted Supervisory Control for Lunar Robotic Arm Teleoperation Under Concurrent Monitoring
- arxiv url: http://arxiv.org/abs/2610.39998v1
- Date: Thu, 29 Oct 2026 13:18:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-02 15:13:32.095562
- Title: Gaze-Assisted Supervisory Control for Lunar Robotic Arm Teleoperation Under Concurrent Monitoring
- Title（参考訳）: 同時監視による月状ロボットアーム遠隔操作のための注視支援型監視制御
- Abstract要約: 本稿では,岩盤や配置対象を視線で指定し,明示的な確認により動作を承認し,ロボットが有界な自律的グリップ・アンド・プレイス実行を行う,視線支援型監視制御フレームワークを提案する。
この枠組みは16名の参加者によるミッションアナログバーチャルリアリティスタディにおいて,手動ジョイスティック遠隔操作に対して評価された。
- 参考スコア（独自算出の注目度）: 8.4159759553223
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Rover-mounted robotic arms can extend human reach during lunar sample handling, but continuous joystick teleoperation requires repeated visual-motor alignment while operators may also need to monitor system states. This paper presents a gaze-assisted supervisory control framework in which gaze nominates a rock or placement target, explicit confirmation authorizes the action, and the robot performs bounded autonomous grasp-and-place execution. The framework was evaluated against manual joystick teleoperation in a mission-analog virtual reality study with 16 participants. The study used a 2 x 2 x 3 within-subject design varying control mode, placement difficulty, and concurrent monitoring load. Mean recorded task completion time decreased from 47.65 to 18.43 s per rock, with 72.5% of this difference arising during grasping. Under the tested auditory monitoring conditions, gaze-assisted supervisory control showed less average proportional slowing, with no detected control-mode difference in monitoring-response accuracy or speed. The rate of gaze shifts between core areas of interest decreased from 49.98 to 27.73 shifts/min, while the raw NASA Task Load Index score decreased from 32.54 to 18.26. However, the benefit was task dependent. In precision placement, manual control yielded lower mean placement error and a higher placement success rate. These findings support a mixed-initiative allocation in which gaze enables rapid task-level intention specification and autonomous execution, while precision-critical stages retain manual refinement.
- Abstract（参考訳）: ローバーに装着されたロボットアームは、月のサンプル処理中に人間の手を広げることができるが、連続的なジョイスティック遠隔操作では、オペレーターがシステム状態を監視する必要もある。
本稿では,岩盤や配置対象を視線で指定し,明示的な確認により動作を承認し,ロボットが有界な自律的グリップ・アンド・プレイス実行を行う,視線支援型監視制御フレームワークを提案する。
この枠組みは16名の参加者によるミッションアナログバーチャルリアリティスタディにおいて,手動ジョイスティック遠隔操作に対して評価された。
実験では2 x 2 x 3 のオブジェクト内設計、様々な制御モード、配置困難、同時監視負荷を使用した。
記録されたタスク完了時間の47.65秒から1岩あたり18.43秒に減少し、この差の72.5%は把握中に生じる。
聴力測定条件では,視線補助型監督制御は平均的比例的遅延が低く,監視応答精度や速度の制御モード差は検出されなかった。
関心の中心領域間の視線シフト率は49.98から27.73に減少し、NASAのタスク負荷指数は32.54から18.26に低下した。
しかし、その利益はタスクに依存していた。
精度の高い配置では,手動制御により平均配置誤差が低く,配置成功率が高かった。
これらの知見は、目視が迅速なタスクレベルの意図仕様と自律実行を可能にする混合開始的アロケーションをサポートし、精度クリティカルステージは手作業による改善を維持している。
関連論文リスト
- Cadence: Strategic Guidance for Coding Agents [8.307442360322375]
Cadenceは動的監視フレームワークで、インスペクションを適応的にスケジュールし、エージェントのリアルタイム実行状態に応じてガイダンスを提供する。
300のSWE-bench Liteタスクを2つの異なるエージェント、mini-swe-agentとMoatlessで評価した。
論文 参考訳（メタデータ） (2026-10-08T16:34:02Z) - WAND: Learning Robust Navigation under Complex Wind Disturbances and Dense Obstacles for Quadrotors [53.304053813409666]
本稿では、高密度障害物場における時変風乱下でのナビゲーションのための強化学習フレームワーク、WAND(Wind-Aware Navigation with disturbance Estimation)を紹介する。
風に乱れた12のシミュレーション設定において、WADは平均的なフィードフォワード補償に対する成功率を8.3ポイント改善した。
室内でのファンによる飛行試験では、WADは20の試験のうち18の試験に成功し、リアルタイムのオンボードナビゲーションの実現可能性を示した。
論文 参考訳（メタデータ） (2026-10-08T12:17:45Z) - AI-Driven Collaborative Assembly Line Inspection: System Integration and Deployment Challenges [0.0]
本稿では,Silverlineキッチンアプライアンス工場におけるAI支援型協調検査セルの設計,統合,および現場展開について述べる。
論文 参考訳（メタデータ） (2026-09-27T12:42:59Z) - RoboMonitor: Label-Efficient Runtime Monitoring of Robot Task Execution via Predictive Representation Learning [3.5773382751934792]
実行監視には、現在の実行フェーズを特定し、障害を検出し、タスク完了を認識する必要がある。
監視監視を導入する前にデータセットから学習するラベル効率のよい視覚言語実行モニタであるRoboMonitorを紹介する。
デプロイメントでは、RoboMonitorはタスク命令とカメラ観察のみを必要とする。
論文 参考訳（メタデータ） (2026-09-25T02:43:24Z) - PredActor: Predictive Action Diffusion for Steerable Onboard Humanoid Control [49.348182500314614]
アクションのみの拡散は直接アクションを生成するが、テスト時間運動の目的に対する明示的な将来の軌道は欠如している。
連立状態-作用拡散はこの表現を提供するが、代表コントローラはしばしば特権付きフルボディ状態に依存する。
提案するPredActorは,これらのステアリングを直接実行されるポリシに含める,予測的行動拡散ポリシである。
論文 参考訳（メタデータ） (2026-09-21T16:20:25Z) - AHEAD: Anticipatory Hand-Driven Teleoperation via Human Intent Prediction [15.569640550342674]
AHEADはリアルタイムVR遠隔操作システムで、オペレーターの意図を予測して、積極的に手動制御を可能にする。
AHEADは、ロボットの反応遅延を、ベースラインに対する0.6秒(オブジェクト)と1.4秒(スロット)に短縮する。
論文 参考訳（メタデータ） (2026-07-16T16:21:40Z) - Belief Dynamics for Detecting Behavioral Shifts in Safe Collaborative Manipulation [3.198214897627444]
ManiSkill共有ワークスペース操作タスクにおいて、制御された非定常性の下でのシステマティックスウィッチ検出について検討する。
10つの検出方法と5つのランダムなシードによって、検出が可能になったことにより、スウィッチ後の衝突が52%減少する。
UA-TOMは、凍結した視覚-言語-行動制御バックボーンを増強する軽量な信念追跡モジュールである。
論文 参考訳（メタデータ） (2026-04-04T02:41:09Z) - Gait-Adaptive Perceptive Humanoid Locomotion with Real-Time Under-Base Terrain Reconstruction [86.53248703859718]
本研究では,地形認識,歩行制御,全身制御を一つの強化学習ポリシーにマージする知覚的移動フレームワークを提案する。
31-DoF、1.65mのヒューマノイドロボットによる実験は、シミュレーションと実世界の両方で堅牢な移動を実証している。
論文 参考訳（メタデータ） (2025-12-08T11:42:41Z) - Code-as-Monitor: Constraint-aware Visual Programming for Reactive and Proactive Robotic Failure Detection [56.66677293607114]
オープンセットのリアクティブかつアクティブな障害検出のためのCode-as-Monitor(CaM)を提案する。
モニタリングの精度と効率を高めるために,制約関連エンティティを抽象化する制約要素を導入する。
実験により、CaMは28.7%高い成功率を達成し、厳しい乱れの下で実行時間を31.8%短縮することが示された。
論文 参考訳（メタデータ） (2024-12-05T18:58:27Z)
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。