論文の概要: Human Sensorimotor Model Adaptation to Account for Robot Accuracy and Speed Augmentation in Human-Robot Co-Manipulation

• arxiv url: http://arxiv.org/abs/2611.02181v1
• Date: Sun, 01 Nov 2026 20:30:04 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-03 19:35:15.513682
• Title: Human Sensorimotor Model Adaptation to Account for Robot Accuracy and Speed Augmentation in Human-Robot Co-Manipulation
• Title（参考訳）: ロボットコマニピュレーションにおけるロボットの精度と速度向上を考慮した感触モデルの適用
• Abstract要約: 人間ロボットのコマニピュレーションでは、ロボットの軌道は、人間の感覚運動がタスクの空間的・時間的制約や個人的要因に影響される人間に適応すべきである。 ロボットの軌道計画に人間の感覚運動モデルを組み込むためのいくつかのロボット軌道計画法が提案されているが、これらの手法はロボットとの相互作用において人間の行動に適応する時間的制約を考慮していない。 この研究は、タスク制約から最終状態制約と、Fittsの法則からの時間制約に最適な制御問題を適用する。 スピードアップはロボットによってもたらされる
• 参考スコア（独自算出の注目度）: 4.842918836091873
• License:
• Abstract: In human-robot co-manipulation, the robot's trajectory should accommodate the human's, where human sensorimotor behavior is affected by the task's spatial and temporal constraints, as well as personal factors. Several robot trajectory planning methods have been proposed to embed human sensorimotor models in the robot trajectory planning, but these methods do not consider temporal constraints that adapt to how the human behaves when interacting with the robot. To better align human and robot collaborative motion, this work adapts a stochastic optimal control problem with a final state constraint from the task constraints and a temporal constraint from Fitts' law. A recursive least squares method is used to estimate the Fitts' law parameters, adapting the robot's motion duration to that of the human, thus allowing the robot to adapt to how the human behaves when interacting with the robot. It is hypothesized that a speed increase can result from the robot augmenting the accuracy. The feasibility of the approach is validated on a positioning task where the robot controls degrees of freedom which have repeatable motion, and the human adapts motion in the complementary degrees of freedom. The approach is shown to be computationally suited to online use, it converges as the human and robot mutually adapt, and can increase the movement speed, although thorough human studies are needed in future work.
• Abstract（参考訳）: 人間ロボットのコマニピュレーションでは、ロボットの軌道は、人間の感覚運動がタスクの空間的・時間的制約や個人的要因に影響される人間に適応すべきである。 ロボットの軌道計画に人間の感覚運動モデルを組み込むためのいくつかのロボット軌道計画法が提案されているが、これらの手法はロボットとの相互作用において人間の行動に適応する時間的制約を考慮していない。 人間とロボットの協調動作をより良く調整するために、この研究は確率的最適制御問題に、タスク制約から最終状態制約、Fittsの法則からの時間制約を適応させる。 再帰的最小二乗法は、フィッツの法則パラメータを推定するために用いられ、ロボットの動作期間を人間の動作に適応させ、ロボットと対話する際にロボットが人間がどのように振る舞うかに適応できるようにする。 速度増加はロボットが精度を増すことによって生じると仮定される。 ロボットが繰り返し動く自由度を制御し、人間が相補的な自由度で動きを適応する位置決め作業において、アプローチの実現可能性を検証する。 この手法はオンライン利用に適していることが示されており、人間とロボットが相互に適応するにつれて収束し、将来の研究には詳細な人間の研究が必要であるが、運動速度を向上させることができる。

関連論文リスト

• InterMimicGen: Scaling Humanoid Loco-Manipulation through Self-Evolving Motion Imitation [51.061592469527966]
  自己進化型モーションアニメーションフレームワークであるInterMimicGenを紹介する。 まず、モーションキャプチャーされた人間と物体の相互作用を統合し、それらをヒューマノイドロボットの参照に再ターゲットする。 第2に,人間の手によるシミュレーションにおいて,これらの参照を実行する物理に基づくジェネラリストトラッカーを訓練する。 第3に、データフライホイールを閉じます。各ラウンドは、インタラクションの発生場所と動作方法に小さなタスク保存変更を施し、トラッカーを微調整し、シミュレートされた実行がタスクを完了した変種のみを保持する。
  論文  参考訳（メタデータ） (2026-10-05T17:59:50Z)
• How Human Motion Prediction Quality Shapes Social Robot Navigation Performance in Constrained Spaces [5.744787254146161]
  動的・空間的制約のある環境でのロボットナビゲーションに焦点をあてる。 ロボットナビゲーション性能に及ぼす人間の動作予測品質の影響について検討する。 主な発見は、広く採用されている平均変位誤差が、ロボットナビゲーション性能の信頼できる予測器ではないことの証拠である。
  論文  参考訳（メタデータ） (2026-01-14T20:34:34Z)
• Hierarchical Procedural Framework for Low-latency Robot-Assisted Hand-Object Interaction [45.256762954338704]
  ロボット支援ハンドオブジェクトインタラクション(HOI)を実現するための階層型手続きフレームワークを提案する。 オープンループ階層は、手の動きをロボットの動きに変換するように設計されたモーションプリミティブに基づいて、RGBベースの人間の手の3D再構成を利用する。 リングウェアリングタスクのケーススタディは、医療や製造業などの補助技術への本研究の適用の可能性を示している。
  論文  参考訳（メタデータ） (2024-05-29T21:20:16Z)
• HumanoidBench: Simulated Humanoid Benchmark for Whole-Body Locomotion and Manipulation [50.616995671367704]
  そこで本研究では,人型ロボットが器用な手を備えた,高次元シミュレーション型ロボット学習ベンチマークHumanoidBenchを提案する。 その結果,現在最先端の強化学習アルゴリズムがほとんどのタスクに支障をきたすのに対して,階層的学習アプローチはロバストな低レベルポリシーに支えられた場合,優れた性能を達成できることがわかった。
  論文  参考訳（メタデータ） (2024-03-15T17:45:44Z)
• ImitationNet: Unsupervised Human-to-Robot Motion Retargeting via Shared Latent Space [9.806227900768926]
  本稿では,ロボットの動きに対する新しいディープラーニング手法を提案する。 本手法では,新しいロボットへの翻訳を容易にする,人間とロボットのペアデータを必要としない。 我々のモデルは、効率と精度の観点から、人間とロボットの類似性に関する既存の研究よりも優れています。
  論文  参考訳（メタデータ） (2023-09-11T08:55:04Z)
• 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)
• 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)
• 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。