Fast Contact Detection via Fusion of Joint and Inertial Sensors for Parallel Robots in Human-Robot Collaboration

投稿日: 2025年6月18日 作成者: jarxiv

要約

安全な人間とロボットのコラボレーションには、迅速な接触検出が重要です。
固有受容情報に基づくオブザーバーは、接触検出に使用できますが、1次エラーダイナミクスがあり、その結果、遅延が生じます。
加速度計とジャイロスコープで構成される慣性測定単位（IMU）に基づくセンサー融合は、遅延を減らすのに有利です。
加速推定により、外力の直接計算が可能になります。
シリアルロボットの場合、関節座標は最小限の座標であるため、ダイナミクスモデリングには複数の加速度計とジャイロスコープの設置が必要です。
あるいは、Parallel Robots（PRS）は、PRの最小座標を既に提示しているエンドエフェクタープラットフォームで1つのIMUのみを使用する可能性を提供します。
この作業では、エンコーダを使用した接触検出のためのセンサー融合方法と、PRの低コストの消費者グレードIMUのみを導入します。
エンド効果の加速は、拡張されたカルマンフィルターによって推定され、ダイナミクスに組み込まれて外力を計算します。
平面PRを使用した実際の実験では、このアプローチがモメンタム観測者と比較して検出期間を最大50％削減し、3〜39ms以内の衝突とクランプの検出を可能にすることを実証します。

要約(オリジナル)

Fast contact detection is crucial for safe human-robot collaboration. Observers based on proprioceptive information can be used for contact detection but have first-order error dynamics, which results in delays. Sensor fusion based on inertial measurement units (IMUs) consisting of accelerometers and gyroscopes is advantageous for reducing delays. The acceleration estimation enables the direct calculation of external forces. For serial robots, the installation of multiple accelerometers and gyroscopes is required for dynamics modeling since the joint coordinates are the minimal coordinates. Alternatively, parallel robots (PRs) offer the potential to use only one IMU on the end-effector platform, which already presents the minimal coordinates of the PR. This work introduces a sensor-fusion method for contact detection using encoders and only one low-cost, consumer-grade IMU for a PR. The end-effector accelerations are estimated by an extended Kalman filter and incorporated into the dynamics to calculate external forces. In real-world experiments with a planar PR, we demonstrate that this approach reduces the detection duration by up to 50% compared to a momentum observer and enables the collision and clamping detection within 3-39ms.

arxiv情報

著者 Aran Mohammad,Jan Piosik,Dustin Lehmann,Thomas Seel,Moritz Schappler
発行日 2025-06-17 09:35:53+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.RO, cs.SY, eess.SY | Fast Contact Detection via Fusion of Joint and Inertial Sensors for Parallel Robots in Human-Robot Collaboration はコメントを受け付けていません

SRT-H: A Hierarchical Framework for Autonomous Surgery via Language Conditioned Imitation Learning

投稿日: 2025年6月18日 作成者: jarxiv

要約

自律手術に関する研究は、主に制御された環境での単純なタスク自動化に焦点を当てています。
ただし、実際の外科的応用には、長期にわたる柔軟な操作と、ヒト組織の固有の変動性に対する堅牢な一般化が必要です。
これらの課題は、既存のロジックベースまたは従来のエンドツーエンドの学習戦略を使用して対処することは依然として困難です。
このギャップに対処するために、器用で長老の外科的手順を実行するための階層的なフレームワークを提案します。
私たちのアプローチは、タスク計画のための高レベルのポリシーと、低レベルの軌跡を生成するための低レベルのポリシーを利用しています。
高レベルのプランナーは、言語空間で計画を立て、タスクまたは是正命令を生成して、ロボットを長距離のステップに導き、低レベルのポリシーのエラーを修正します。
一般的に実践されている低侵襲手術である胆嚢摘出術に関するex vivo実験を通じて、枠組みを検証し、システムの主要な成分を評価するためにアブレーション研究を実施します。
私たちの方法は、n = 8の異なるex vivoの胆嚢にわたって100％の成功率を達成し、人間の介入なしで完全に自律的に動作します。
階層的なアプローチは、現実的な外科的応用の非常に動的な環境で避けられない最適でない状態から回復するポリシーの能力を改善します。
この研究は、外科的処置におけるステップレベルの自律性を示しており、自律外科システムの臨床展開に向けたマイルストーンをマークしています。

要約(オリジナル)

Research on autonomous surgery has largely focused on simple task automation in controlled environments. However, real-world surgical applications demand dexterous manipulation over extended durations and robust generalization to the inherent variability of human tissue. These challenges remain difficult to address using existing logic-based or conventional end-to-end learning strategies. To address this gap, we propose a hierarchical framework for performing dexterous, long-horizon surgical steps. Our approach utilizes a high-level policy for task planning and a low-level policy for generating low-level trajectories. The high-level planner plans in language space, generating task or corrective instructions to guide the robot through the long-horizon steps and correct for the low-level policy’s errors. We validate our framework through ex vivo experiments on cholecystectomy, a commonly-practiced minimally invasive procedure, and conduct ablation studies to evaluate key components of the system. Our method achieves a 100% success rate across n=8 different ex vivo gallbladders, operating fully autonomously without human intervention. The hierarchical approach improves the policy’s ability to recover from suboptimal states that are inevitable in the highly dynamic environment of realistic surgical applications. This work demonstrates step-level autonomy in a surgical procedure, marking a milestone toward clinical deployment of autonomous surgical systems.

arxiv情報

著者 Ji Woong Kim,Juo-Tung Chen,Pascal Hansen,Lucy X. Shi,Antony Goldenberg,Samuel Schmidgall,Paul Maria Scheikl,Anton Deguet,Brandon M. White,De Ru Tsai,Richard Cha,Jeffrey Jopling,Chelsea Finn,Axel Krieger
発行日 2025-06-17 10:30:37+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.RO | SRT-H: A Hierarchical Framework for Autonomous Surgery via Language Conditioned Imitation Learning はコメントを受け付けていません

Data Driven Approach to Input Shaping for Vibration Suppression in a Flexible Robot Arm

投稿日: 2025年6月18日 作成者: jarxiv

要約

このペーパーでは、データ駆動型のアプローチを使用して柔軟なロボットアームの残留振動を抑制するために、入力シェーパーのパラメーターを設定するためのシンプルで効果的な方法を提示します。
パラメーターは、ロボットの残留振動の以前に測定されたデータを補間することにより、ロボットのワークスペースで適応的に調整されます。
入力型は、目的の入力コマンドを使用したインパルスシーケンスの畳み込みにより、振動還元形状のコマンドを生成するためのシンプルで堅牢な手法です。
生成されたインパルスは、システムの自然な振動に対抗する材料に波を作り出します。
この方法は、複数の異なる材料を備えた柔軟な3Dプリントロボットアームで実証されており、残留振動が大幅に減少します。

要約(オリジナル)

This paper presents a simple and effective method for setting parameters for an input shaper to suppress the residual vibrations in flexible robot arms using a data-driven approach. The parameters are adaptively tuned in the workspace of the robot by interpolating previously measured data of the robot’s residual vibrations. Input shaping is a simple and robust technique to generate vibration-reduced shaped commands by a convolution of an impulse sequence with the desired input command. The generated impulses create waves in the material countering the natural vibrations of the system. The method is demonstrated with a flexible 3D-printed robot arm with multiple different materials, achieving a significant reduction in the residual vibrations.

arxiv情報

著者 Jarkko Kotaniemi,Janne Saukkoriipi,Shuai Li,Markku Suomalainen
発行日 2025-06-17 11:07:28+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.RO | Data Driven Approach to Input Shaping for Vibration Suppression in a Flexible Robot Arm はコメントを受け付けていません

Sketch-Plan-Generalize: Learning and Planning with Neuro-Symbolic Programmatic Representations for Inductive Spatial Concepts

投稿日: 2025年6月18日 作成者: jarxiv

要約

効果的なヒューマンロボットコラボレーションには、限られた数のデモンストレーションからパーソナライズされた概念を学習する能力が必要でありながら、誘導的一般化、階層構成、および新しい制約への適応性を示します。
事前に訓練された大規模な（ビジョン）言語モデルのコード生成機能を使用する既存のアプローチと、純粋にニューラルモデルは、目に見えない複雑な概念に対する貧弱な一般化を示しています。
神経系シンボリック法（Grand et al。、2023）は、プログラムスペースで検索することで有望な代替手段を提供しますが、デモンストレーションを使用して検索を効果的にガイドできないため、大きなプログラムスペースでの課題に直面しています。
私たちの重要な洞察は、誘導概念学習を次のように考慮することです。
当社のパイプラインは、一般化とモジュラーの再利用を促進し、継続的な概念学習を可能にします。
私たちのアプローチは、接地された神経表現とともに、大規模な言語モデル（LLMS）のコード生成能力の利点を組み合わせており、その結果、複雑な構造を構築するタスクを構築するタスクでより強力な帰納的一般化を示す神経 – 神経調節プログラムが生じます。
さらに、具体化された指導のための学習概念を使用して、推論と計画機能を実証します。

要約(オリジナル)

Effective human-robot collaboration requires the ability to learn personalized concepts from a limited number of demonstrations, while exhibiting inductive generalization, hierarchical composition, and adaptability to novel constraints. Existing approaches that use code generation capabilities of pre-trained large (vision) language models as well as purely neural models show poor generalization to \emph{a-priori} unseen complex concepts. Neuro-symbolic methods (Grand et al., 2023) offer a promising alternative by searching in program space, but face challenges in large program spaces due to the inability to effectively guide the search using demonstrations. Our key insight is to factor inductive concept learning as: (i) {\it Sketch:} detecting and inferring a coarse signature of a new concept (ii) {\it Plan:} performing an MCTS search over grounded action sequences guided by human demonstrations (iii) {\it Generalize:} abstracting out grounded plans as inductive programs. Our pipeline facilitates generalization and modular re-use, enabling continual concept learning. Our approach combines the benefits of code generation ability of large language models (LLMs) along with grounded neural representations, resulting in neuro-symbolic programs that show stronger inductive generalization on the task of constructing complex structures vis-\’a-vis LLM-only and purely neural approaches. Further, we demonstrate reasoning and planning capabilities with learned concepts for embodied instruction following.

arxiv情報

著者 Namasivayam Kalithasan,Sachit Sachdeva,Himanshu Gaurav Singh,Vishal Bindal,Arnav Tuli,Gurarmaan Singh Panjeta,Harsh Himanshu Vora,Divyanshu Aggarwal,Rohan Paul,Parag Singla
発行日 2025-06-17 11:11:09+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.LG, cs.RO | Sketch-Plan-Generalize: Learning and Planning with Neuro-Symbolic Programmatic Representations for Inductive Spatial Concepts はコメントを受け付けていません

Adaptive Reinforcement Learning for Unobservable Random Delays

投稿日: 2025年6月18日 作成者: jarxiv

要約

標準の強化学習（RL）の設定では、エージェントと環境の間の相互作用は通常、マルコフ決定プロセス（MDP）としてモデル化されます。これは、エージェントが瞬時に観察し、遅滞なくアクションを選択し、すぐに実行すると仮定します。
サイバー物理システムなどの現実世界の動的環境では、エージェントとシステム間の相互作用が遅れているため、この仮定はしばしば崩壊します。
これらの遅延は時間の経過とともに確率的に変化する可能性があり、通常は観察できません。つまり、アクションを決定するときは不明です。
既存の方法は、遅延がはるかに低い場合でも、遅延に既知の固定上限を想定することにより、この不確実性を控えめに扱います。
この作業では、インタラクションレイヤーを紹介します。これは、エージェントが適応性があり、容認できない時間変化の遅延を適応的かつシームレスに処理できるようにする一般的なフレームワークです。
具体的には、エージェントは、予測不可能な遅延とネットワーク上で送信される失われたアクションパケットの両方を処理するために、可能な将来のアクションのマトリックスを生成します。
このフレームワークに基づいて、遅延適応を備えたモデルベースのアルゴリズム、Actor-Critic（ACDA）を開発します。これは、パターンを遅らせるために動的に調整します。
私たちの方法は、幅広い移動ベンチマーク環境にわたって最先端のアプローチを大幅に上回っています。

要約(オリジナル)

In standard Reinforcement Learning (RL) settings, the interaction between the agent and the environment is typically modeled as a Markov Decision Process (MDP), which assumes that the agent observes the system state instantaneously, selects an action without delay, and executes it immediately. In real-world dynamic environments, such as cyber-physical systems, this assumption often breaks down due to delays in the interaction between the agent and the system. These delays can vary stochastically over time and are typically unobservable, meaning they are unknown when deciding on an action. Existing methods deal with this uncertainty conservatively by assuming a known fixed upper bound on the delay, even if the delay is often much lower. In this work, we introduce the interaction layer, a general framework that enables agents to adaptively and seamlessly handle unobservable and time-varying delays. Specifically, the agent generates a matrix of possible future actions to handle both unpredictable delays and lost action packets sent over networks. Building on this framework, we develop a model-based algorithm, Actor-Critic with Delay Adaptation (ACDA), which dynamically adjusts to delay patterns. Our method significantly outperforms state-of-the-art approaches across a wide range of locomotion benchmark environments.

arxiv情報

著者 John Wikman,Alexandre Proutiere,David Broman
発行日 2025-06-17 11:11:37+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.AI, cs.LG, cs.RO | Adaptive Reinforcement Learning for Unobservable Random Delays はコメントを受け付けていません

Enhancing Object Search in Indoor Spaces via Personalized Object-factored Ontologies

投稿日: 2025年6月18日 作成者: jarxiv

要約

パーソナライズは、サービスロボットの進歩にとって重要です。
ロボットは、それらが入力されている環境の調整された理解を開発する必要があります。さらに、長期展開を促進するために環境の変化を認識する必要があります。
夕食のテーブルの準備や私の部屋の整頓などの複雑なタスクを実行するには、長期的な理解とパーソナライズが必要です。
そのようなタスクの前駆体は、オブジェクト検索の前駆体です。
その結果、このペーパーでは、屋内環境で複数のオブジェクトの検索と検索に焦点を当てています。
この論文では、2つの重要な斬新さを提案します。
まず、ロボットが屋内環境のパーソナライズされたオントロジーを推定できるようにする新しいフレームワークを提案します。
私たちのフレームワークは、ロボットがオントロジーの理解を調整できるようにするパーソナライズスキーマで構成されています。
第二に、適応的な推論戦略を提案します。
動的な信念の更新をアプローチに統合し、マルチオブジェクト検索タスクのパフォーマンスを向上させます。
パーソナライズと適応推論の累積効果は、長期オブジェクト検索の改善された能力です。
このフレームワークは、多層セマンティックマップの上に実装されています。
実際の環境で実験を実施し、さまざまな最先端（SOTA）方法と結果を比較して、アプローチの有効性を実証します。
さらに、パーソナライズがSOTAのパフォーマンスを向上させるための触媒として機能することを示しています。
ビデオリンク：https：//bit.ly/3whk9i9

要約(オリジナル)

Personalization is critical for the advancement of service robots. Robots need to develop tailored understandings of the environments they are put in. Moreover, they need to be aware of changes in the environment to facilitate long-term deployment. Long-term understanding as well as personalization is necessary to execute complex tasks like prepare dinner table or tidy my room. A precursor to such tasks is that of Object Search. Consequently, this paper focuses on locating and searching multiple objects in indoor environments. In this paper, we propose two crucial novelties. Firstly, we propose a novel framework that can enable robots to deduce Personalized Ontologies of indoor environments. Our framework consists of a personalization schema that enables the robot to tune its understanding of ontologies. Secondly, we propose an Adaptive Inferencing strategy. We integrate Dynamic Belief Updates into our approach which improves performance in multi-object search tasks. The cumulative effect of personalization and adaptive inferencing is an improved capability in long-term object search. This framework is implemented on top of a multi-layered semantic map. We conduct experiments in real environments and compare our results against various state-of-the-art (SOTA) methods to demonstrate the effectiveness of our approach. Additionally, we show that personalization can act as a catalyst to enhance the performance of SOTAs. Video Link: https://bit.ly/3WHk9i9

arxiv情報

著者 Akash Chikhalikar,Ankit A. Ravankar,Jose Victorio Salazar Luces,Yasuhisa Hirata
発行日 2025-06-17 11:35:10+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.RO | Enhancing Object Search in Indoor Spaces via Personalized Object-factored Ontologies はコメントを受け付けていません

Automatic Cannulation of Femoral Vessels in a Porcine Shock Model

投稿日: 2025年6月18日 作成者: jarxiv

要約

迅速で信頼性の高い血管アクセスは、外傷と救命救急に重要です。
中央の血管カテーテル化により、大量の蘇生、血行動態モニタリング、およびECMOやREBOAなどの高度な介入が可能になります。
周辺アクセスは一般的ですが、中央アクセスが必要になることがよくありますが、特殊な超音波誘導スキルが必要であり、病院前の設定で課題を提起します。
複雑さは、深い標的容器と針の配置に必要な精度から生じます。
Seldinger法のような従来の技術は、合併症を避けるために専門知識を要求します。
その重要性にもかかわらず、限られた現場の専門知識により、超音波ガイド付き中央アクセスは十分に活用されていません。
末梢血管に対して自律針の挿入が調査されていますが、大腿骨アクセスのために半自律的な方法のみが存在します。
この作業は、完全な自動化に向かって進み、ロボット超音波を最小限の侵襲的緊急手順のために統合します。
私たちの重要な貢献は、ブタの出血性ショックモデルでの大腿静脈と動脈カニューレ挿入の成功です。

要約(オリジナル)

Rapid and reliable vascular access is critical in trauma and critical care. Central vascular catheterization enables high-volume resuscitation, hemodynamic monitoring, and advanced interventions like ECMO and REBOA. While peripheral access is common, central access is often necessary but requires specialized ultrasound-guided skills, posing challenges in prehospital settings. The complexity arises from deep target vessels and the precision needed for needle placement. Traditional techniques, like the Seldinger method, demand expertise to avoid complications. Despite its importance, ultrasound-guided central access is underutilized due to limited field expertise. While autonomous needle insertion has been explored for peripheral vessels, only semi-autonomous methods exist for femoral access. This work advances toward full automation, integrating robotic ultrasound for minimally invasive emergency procedures. Our key contribution is the successful femoral vein and artery cannulation in a porcine hemorrhagic shock model.

arxiv情報

著者 Nico Zevallos,Cecilia G. Morales,Andrew Orekhov,Tejas Rane,Hernando Gomez,Francis X. Guyette,Michael R. Pinsky,John Galeotti,Artur Dubrawski,Howie Choset
発行日 2025-06-17 12:31:21+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.RO | Automatic Cannulation of Femoral Vessels in a Porcine Shock Model はコメントを受け付けていません

ros2 fanuc interface: Design and Evaluation of a Fanuc CRX Hardware Interface in ROS2

投稿日: 2025年6月18日 作成者: jarxiv

要約

このペーパーでは、FANUC CRX-ロボットファミリーのROS2コントロールとハードウェアインターフェイス（HW）統合を紹介します。
基本的な実装の詳細と通信プロトコル、およびMoveIT2モーションプランニングライブラリとの統合について説明します。
ロボット工学分野で関連するパフォーマンスを評価するために、一連の実験を実施しました。
4つの関連するロボット工学ケースの開発されたROS2_FANUC_INTERFACEをテストしました：ステップ応答、軌跡追跡、MOVEIT2に統合された衝突回避、および動的速度スケーリング。
結果は、コマンドとフィードバックの間には無視できない遅延にもかかわらず、ロボットは、衝突回避を確保し、無視できるエラーで定義されたパスを追跡できることを示しています。
完全なコードはオープンソースで、https：//github.com/paolofrance/ros2_fanuc_interfaceで入手できます。

要約(オリジナル)

This paper introduces the ROS2 control and the Hardware Interface (HW) integration for the Fanuc CRX- robot family. It explains basic implementation details and communication protocols, and its integration with the Moveit2 motion planning library. We conducted a series of experiments to evaluate relevant performances in the robotics field. We tested the developed ros2_fanuc_interface for four relevant robotics cases: step response, trajectory tracking, collision avoidance integrated with Moveit2, and dynamic velocity scaling, respectively. Results show that, despite a non-negligible delay between command and feedback, the robot can track the defined path with negligible errors (if it complies with joint velocity limits), ensuring collision avoidance. Full code is open source and available at https://github.com/paolofrance/ros2_fanuc_interface.

arxiv情報

著者 Paolo Franceschi,Marco Faroni,Stefano Baraldo,Anna Valente
発行日 2025-06-17 13:08:32+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.RO | ros2 fanuc interface: Design and Evaluation of a Fanuc CRX Hardware Interface in ROS2 はコメントを受け付けていません

Design and Evaluation of an Uncertainty-Aware Shared-Autonomy System with Hierarchical Conservative Skill Inference

投稿日: 2025年6月18日 作成者: jarxiv

要約

共有自律模倣学習により、人間はロボットをリアルタイムで修正でき、共変量シフトエラーを緩和できます。
しかし、既存のアプローチは、2つの重要な要因を無視します。（i）オペレーターの認知負荷と（ii）遅延または誤った介入によって生じるリスク。
不確実性を認識した共有自動システムを提示します。このシステムでは、ロボットが潜在スペースのスキルの不確実性の学習された推定に従ってその動作を調節します。
階層的なポリシーは、まず保守的なスキルの埋め込みを行い、次に低レベルのアクションにデコードし、不確実性が高いときに自動的に減速しながら迅速なタスクの実行を可能にします。
URシリーズアームなどのマルチコンフィギュレーションマニピュレーターと互換性のある、完全なオープンソースのVR-Teleoperationパイプラインについて詳しく説明します。
注ぎや場所のタスクに関する実験は、動いているターゲットを伴う動的なシーンで70〜90％の成功を示しており、定性的研究では、非保守的なベースラインと比較して衝突イベントの著しい削減を示しています。
不確実性を分離する専用のアブレーションは、安全性とコスト上の理由でハードウェアでは非現実的ですが、報告された安定性とオペレーターワークロードの利益はすでに設計を検証し、将来の大規模な研究を動機付けています。

要約(オリジナル)

Shared-autonomy imitation learning lets a human correct a robot in real time, mitigating covariate-shift errors. Yet existing approaches ignore two critical factors: (i) the operator’s cognitive load and (ii) the risk created by delayed or erroneous interventions. We present an uncertainty-aware shared-autonomy system in which the robot modulates its behaviour according to a learned estimate of latent-space skill uncertainty. A hierarchical policy first infers a conservative skill embedding and then decodes it into low-level actions, enabling rapid task execution while automatically slowing down when uncertainty is high. We detail a full, open-source VR-teleoperation pipeline that is compatible with multi-configuration manipulators such as UR-series arms. Experiments on pouring and pick-and-place tasks demonstrate 70-90% success in dynamic scenes with moving targets, and a qualitative study shows a marked reduction in collision events compared with a non-conservative baseline. Although a dedicated ablation that isolates uncertainty is impractical on hardware for safety and cost reasons, the reported gains in stability and operator workload already validate the design and motivate future large-scale studies.

arxiv情報

著者 Taewoo Kim,Donghyung Kim,Minsu Jang,Jaehong Kim
発行日 2025-06-17 13:21:08+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.RO | Design and Evaluation of an Uncertainty-Aware Shared-Autonomy System with Hierarchical Conservative Skill Inference はコメントを受け付けていません

Human-robot collaborative transport personalization via Dynamic Movement Primitives and velocity scaling

投稿日: 2025年6月18日 作成者: jarxiv

要約

現在、業界は、特に共有されたタスクに対して、人間とロボットのコラボレーションに関心が高まっています。
これには、タスクの制約と高さや運動の好みなどの人間固有の要因の両方を考慮して、ロボットの動きを計画するためのインテリジェントな戦略が必要です。
この作業では、人間のフィードバックに基づいてリアルタイム速度スケーリングで強化された動的運動プリミティブ（DMP）を使用してパーソナライズされた軌跡を生成するための新しいアプローチを導入します。
この方法は、エンジンカウルリップセクションの共同輸送に焦点を当てた産業用グレードの実験で厳密にテストされました。
DMPで生成された軌跡と最先端のモーションプランナー（BITRRT）の比較分析は、速度スケーリングと組み合わせた適応性を強調しています。
主観的なユーザーフィードバックは、DMPベースの相互作用に対する明確な好みをさらに示しています。
脳と皮膚の活動からの生理学的測定値を含む客観的評価は、これらの発見を強化し、ヒトとロボットの相互作用を強化し、ユーザーエクスペリエンスの向上におけるDMPの利点を示します。

要約(オリジナル)

Nowadays, industries are showing a growing interest in human-robot collaboration, particularly for shared tasks. This requires intelligent strategies to plan a robot’s motions, considering both task constraints and human-specific factors such as height and movement preferences. This work introduces a novel approach to generate personalized trajectories using Dynamic Movement Primitives (DMPs), enhanced with real-time velocity scaling based on human feedback. The method was rigorously tested in industrial-grade experiments, focusing on the collaborative transport of an engine cowl lip section. Comparative analysis between DMP-generated trajectories and a state-of-the-art motion planner (BiTRRT) highlights their adaptability combined with velocity scaling. Subjective user feedback further demonstrates a clear preference for DMP- based interactions. Objective evaluations, including physiological measurements from brain and skin activity, reinforce these findings, showcasing the advantages of DMPs in enhancing human-robot interaction and improving user experience.

arxiv情報

著者 Paolo Franceschi,Andrea Bussolan,Vincenzo Pomponi,Oliver Avram,Stefano Baraldo,Anna Valente
発行日 2025-06-17 13:22:26+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.RO | Human-robot collaborative transport personalization via Dynamic Movement Primitives and velocity scaling はコメントを受け付けていません