Exploring Large Language Models for Human-Robot Teaming in VR
The author explores the integration of Large Language Models (LLMs) like GPT into human-robot teaming environments to facilitate variable autonomy through verbal communication, highlighting the potential utility of LLMs in shared control and variable autonomy.
INTERACT: Transformer Models for Human Intent Prediction Conditioned on Robot Actions
人間の意図を予測するためのTRANSFORMERモデルは、ロボットのアクションに依存しています。
Analysis of Spoken User Behavior Differences between Autonomous and Wizard-of-Oz Robot Systems in Attentive Listening and Job Interview Scenarios
Users significantly alter their spoken behavior depending on whether they believe they are interacting with an autonomous robot or a human-controlled (Wizard-of-Oz) robot, with implications for the design and evaluation of semi-autonomous systems.
Analysis of User Intentions and Robot Behaviors in a Real-World Service Robot Deployment Offering Chocolate Treats
Proactive robot behavior, particularly when based on predicting user intent, leads to more successful interactions in real-world service robot deployments.
利用預測人類行為實現安全導航和高效協作操作的移動服務機器人
本文介紹了一種利用智能邊緣傳感器網絡預測人類行為的方法，旨在提高移動機器人在導航和協作操作任務中的安全性和效率。
Modeling Human-Robot Motion Considering Restricted Visual Fields and Imitation Learning
Accurately modeling and imitating human behavior in robotics requires accounting for human perception limitations, particularly restricted visual fields, to better predict actions and enable effective collaboration.
視野制限のある人間とロボットの動作の理解と模倣
人間の行動をより正確にモデル化、予測、模倣するためには、人間の知覚と観察能力の限界を考慮することが不可欠である。
在視野受限的情況下理解和模仿人機運動
為了更準確地預測人類行為並實現安全有效的人機交互，機器人需要理解並模仿人類在視野受限情況下的觀察和運動策略。
A Hybrid Algorithm for Interpreting Multimodal Commands in Tabletop Scenarios Using Deep Learning
This paper introduces a novel hybrid algorithm that leverages deep learning models to interpret multimodal human commands, combining speech, gestures, and scene context to enable robots to understand and execute instructions in tabletop scenarios.
テーブルトップシナリオにおけるコンテキストアウェアなコマンド理解
音声、ジェスチャー、シーンコンテキストなどの複数の情報源を統合することで、事前にオブジェクトモデルを定義することなく、さまざまな環境で柔軟かつ適応的に使用できる、堅牢でゼロショットなコマンド理解アルゴリズムが提案されています。
