論文の概要: Toward Resilient Self-Driving Laboratories through Telerobotic Interventions
- arxiv url: http://arxiv.org/abs/2611.18496v1
- Date: Fri, 13 Nov 2026 18:06:25 GMT
- ステータス: 情報取得中
- システム内更新日: 2026-11-16 19:30:38.104877
- Title: Toward Resilient Self-Driving Laboratories through Telerobotic Interventions
- Title(参考訳): テレロボティック・インターベンションによるレジリエントな自動運転実験室を目指して
- Abstract要約: 自動運転車研究所(SDL)は、ロボット工学、自動実験、機械学習を統合して、自律的に実験を行うことで、科学研究を加速する。
本研究は、予期せぬ故障に対するレジリエンスを高めるためのテレロボティック介入について検討する。
自動作業中に人間の操作者が障害を解消できる遠隔操作インタフェースを開発した。
- 参考スコア(独自算出の注目度): 3.469344699152653
- License:
- Abstract: Self-driving laboratories (SDLs) accelerate scientific research by integrating robotics, automated experimentation, and machine learning to execute experiments autonomously. Biology and chemistry have adopted these systems. However, increasing SDL complexity heightens susceptibility to unexpected faults in automated workflows, highlighting the need for efficient recovery mechanisms. In this study, we investigate telerobotic interventions to enhance SDL resilience against unexpected failures. We developed a teleoperation interface enabling human operators to resolve disruptions during automated tasks. The interface enables precise control of a six-degree-of-freedom (DOF) robotic arm (UR3e) using a 3D mouse (3Dconnexion SpaceMouse Pro). Two velocity-based controller strategies were evaluated: (i) a coupled mode mapping all six DOFs to the 3D mouse's central knob and (ii) a decoupled mode separating translational and rotational motions. To evaluate the framework, teleoperators intervened across three SDL fault scenarios. In the first study, comparative trials showed that the decoupled controller was associated with shorter completion times and reduced rotational motion. In a second study, teleoperators performed an aiming task with and without reference-path guidance. Users were more target-driven and risk-tolerant without guidance but showed behavioral differences under different guidance strategies. These findings suggest that controller configuration and reference-path design influence operator performance during SDL fault recovery, informing teleoperation interface optimization. This work demonstrates the potential feasibility of teleoperation as a human-in-the-loop recovery mechanism for SDL workflows, combining robotic precision with human adaptability and problem-solving. These findings also provide a foundation for future studies in shared autonomy and semi-autonomous intervention.
- Abstract(参考訳): 自動運転車研究所(SDL)は、ロボット工学、自動実験、機械学習を統合して、自律的に実験を行うことで、科学研究を加速する。
生物学と化学はこれらの体系を採用した。
しかしながら、SDL複雑性の増大は、自動化ワークフローの予期せぬ障害に対する感受性を高め、効率的なリカバリメカニズムの必要性を強調している。
本研究では,予期せぬ障害に対するSDLレジリエンスを高めるためのテレロボティック介入について検討した。
自動作業中に人間の操作者が障害を解消できる遠隔操作インタフェースを開発した。
このインタフェースは、3Dマウス(3Dconnexion SpaceMouse Pro)を使って6自由度(DOF)ロボットアーム(UR3e)の正確な制御を可能にする。
速度に基づく2つの制御方法が評価された。
(i)6個のDOF全てを3Dマウスの中枢ノブにマッピングする結合モード
(ii)翻訳運動と回転運動を分離する分離モード。
このフレームワークを評価するために、テレオペレータは3つのSDL障害シナリオにまたがって介入した。
最初の実験では、分離されたコントローラが短い完了時間と回転運動の減少と関連していることを示した。
第2の研究では、テレオペレーターは基準パスガイダンスを使わずに目的のタスクを実行した。
ユーザは、ガイダンスなしで、よりターゲット駆動的で、リスク耐性があったが、異なるガイダンス戦略の下では、行動の違いが見られた。
これらの結果から,SDL故障復旧時のコントローラ構成と参照パス設計が,遠隔操作インタフェースの最適化に影響を及ぼすことが示唆された。
本研究は、ロボットの精度と人間の適応性、問題解決を組み合わせ、SDLワークフローのヒューマン・イン・ザ・ループ・リカバリメカニズムとしての遠隔操作の可能性を示す。
これらの知見は、共有自律性と半自律的介入に関する将来の研究の基礎となる。
関連論文リスト
- Human-Aware Robot Behaviour in Self-Driving Labs [1.3854111346209868]
移動ロボット化学者(MRC)は、実験室を自律的に移動してサンプルを輸送することで重要な役割を担っている。
現在、MRCは単純なLiDARベースの障害物検出に依存しており、人間が存在する場合はロボットを受動的に待機させる。
本稿では,共有アクセスシナリオにおけるアクティブな人間とロボットの相互作用を容易にする,AI駆動型認識手法を提案する。
論文 参考訳(メタデータ) (2026-03-09T14:17:18Z) - Dual-Agent Multiple-Model Reinforcement Learning for Event-Triggered Human-Robot Co-Adaptation in Decoupled Task Spaces [3.349003999623489]
本稿では,カスタム6自由度上肢ロボットのための共有制御型リハビリテーションポリシーを提案する。
患者は二進法で一次到達方向を制御し、ロボットは自律的に矯正動作を管理する。
論文 参考訳(メタデータ) (2026-03-06T11:15:10Z) - HACTS: a Human-As-Copilot Teleoperation System for Robot Learning [47.9126187195398]
HACTS(Human-As-Copilot Teleoperation System)は,ロボットアームと遠隔操作ハードウェアを双方向でリアルタイムに同期させるシステムである。
このシンプルで効果的なフィードバックメカニズムは、自動運転車のステアリングホイールに似たもので、人間の操縦士がシームレスに介入し、将来の学習のために行動補正データを収集することを可能にする。
論文 参考訳(メタデータ) (2025-03-31T13:28:13Z) - Human-Agent Joint Learning for Efficient Robot Manipulation Skill Acquisition [48.65867987106428]
本稿では,人間とロボットの協調学習システムについて紹介する。
これにより、ロボットエンドエフェクターの制御を学習支援エージェントと共有することができる。
これにより、ダウンストリームタスクにおいて、収集されたデータが十分な品質であることを保証しながら、人間の適応の必要性を減らすことができる。
論文 参考訳(メタデータ) (2024-06-29T03:37:29Z) - On the Vulnerability of LLM/VLM-Controlled Robotics [54.57914943017522]
大規模言語モデル(LLM)と視覚言語モデル(VLM)を統合するロボットシステムの脆弱性を,入力モダリティの感度によって強調する。
LLM/VLM制御型2つのロボットシステムにおいて,単純な入力摂動がタスク実行の成功率を22.2%,14.6%減少させることを示す。
論文 参考訳(メタデータ) (2024-02-15T22:01:45Z) - Exploring of Discrete and Continuous Input Control for AI-enhanced
Assistive Robotic Arms [5.371337604556312]
協調ロボットは、オブジェクトの把握や操作といったタスクのために、複数の自由度(DoF)を管理する必要がある。
本研究は,3種類の入力デバイスを,支援ロボットのための確立されたXRフレームワークに統合することによって探索する。
論文 参考訳(メタデータ) (2024-01-13T16:57:40Z) - Online Body Schema Adaptation through Cost-Sensitive Active Learning [63.84207660737483]
この作業は、icubロボットシミュレータの7dofアームを使用して、シミュレーション環境で実行された。
コストに敏感な能動学習手法は最適な関節構成を選択するために用いられる。
その結果,コスト依存型能動学習は標準的な能動学習手法と同等の精度を示し,実行運動の約半分を減らした。
論文 参考訳(メタデータ) (2021-01-26T16:01:02Z)
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。