日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

人機協調arXiv:2603.06121

Glance-Say: 視線と音声によるマルチモーダルな人機協調と意図認識

Glance-Say: Multimodal Human-Robot Collaboration and Intent Recognition via Sticky Glance

シェア:XThreadsFacebookLINEはてブBluesky

視線と音声を組み合わせた支援ロボット操作のためのインタラクションフレームワークを提案し、視線の揺れや意味の曖昧さに頑健な意図認識を実現した。

詳しい要約

1. どんなもの?

- 運動障害者向けの支援ロボット操作のためのマルチモーダル対話フレームワーク。 - 視線と音声を組み合わせ、視線で対象を指定し音声で動作を指定する Glance-Say パラダイムを提案。 - マイクロサッカードや意味的曖昧性、視点変化に対処する sticky-glance アルゴリズムを導入。 - 連続的な shared-control により、ロボットの高応答動作と人間のループ内フィードバックを実現。

2. 先行研究と比べてどこがすごい?

- 従来の視線・音声インタフェースは多物体環境での意図認識が脆弱で、マイクロサッカードや曖昧性、視点変化に弱い。 - 提案手法は sticky-glance により幾何距離と方向証拠を統合し、リアルタイムの対象選択・切替を安定化。 - 代表的な対話パラダイムと比較して、堅牢性・効率・使いやすさが向上したと主張。

3. 技術・手法の肝は?

- sticky-glance アルゴリズム:幾何距離と方向証拠を同時に蓄積し、視線意図を安定化。 - Glance-Say パラダイム:視線で物体を指定、音声で動作を指定する役割分担。 - 連続 shared-control スキーム:ロボットの高応答動作と人間のループ内フィードバックを提供。

4. どうやって有効だと検証した?

- 移動ターゲットの追跡率 0.92、静的ターゲットの選択精度 0.97 を達成。 - タスク時間の短縮を確認。 - 代表的な対話パラダイムと比較し、堅牢性・効率・使いやすさの改善を示した。

5. 議論はある?

- 要旨からは不明。

6. 次に読むべき論文は?

- 要旨で参照/比較されている具体的な研究は不明。 - 同分野の定番として gaze-based intention recognition、multimodal human-robot interaction、shared control に関する研究が挙げられる。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Yuzhi Lai, Shenghai Yuan, Peizheng Li, Benjamin Kiefer, Andreas Zell

分類: cs.RO

原文アブストラクト

Gaze and speech are promising interaction modalities for individuals with motor impairments, yet robust intent recognition in multi-object environments remains challenging due to micro-saccades, semantic ambiguity, and viewpoint changes. This paper presents a multimodal interaction framework for assistive robotic manipulation. We propose a sticky-glance algorithm that stabilizes gaze-based intent by jointly accumulating geometric distance and directional evidence, enabling robust real-time target selection and switching. We further introduce Glance-Say, a gaze-speech interaction paradigm in which gaze specifies objects and speech specifies actions, together with a continuous shared-control scheme that provides high-readiness robot motion and human-in-the-loop feedback. Experiments demonstrate a tracking rate of 0.92 for moving targets, selection accuracy of 0.97 for static targets, and reduced task duration. These results indicate improved robustness, efficiency, and usability over representative interaction paradigms.

関連論文

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  3. 3newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

FRONTIER(GPU搭載BTOパソコン)

FRONTIER(GPU搭載BTOパソコン)の公式広告バナーFRONTIERでGPU搭載PCを見る ↗
PR本紙発行元 EmplifAI