pHRI/生理計測2026/6/1arXiv:2606.14969

環境条件が異なる接触を伴う物理的ヒューマンロボットインタラクションにおけるマルチモーダル生理評価

Multimodal Physiological Assessment of Contact-Rich Physical Human-Robot Interaction Under Varying Environmental Conditions

シェア:X Threads Facebook LINE はてブ Bluesky

接触を伴う作業中の物理的ヒューマンロボットインタラクションにおいて、温度・騒音・照度の異なる18条件で生理信号を計測し、作業成績は安定する一方で温度上昇時に自律神経負荷が増加する補償メカニズムを発見した論文。

詳しい要約

1. どんなもの？

- 実環境でのcontact-richなphysical human-robot interaction (pHRI)を対象に、温度・音響ノイズ・照度の18条件で多感覚生理計測を行った研究。 - 計測はelectrodermal activity (EDA)、surface electromyography (sEMG)、eye-tracking、主観的快適性評価を同期取得。 - 実行データと生理信号を併せて評価し、客観的パフォーマンスでは見えない生理的コストを検討。

2. 先行研究と比べてどこがすごい？

- 従来のタスク中心評価は、環境ストレスによる生理的負担を無視していた。 - 本研究は環境条件を系統的に変動させ、生理指標と主観評価を同時収録して隠れた負荷を可視化。 - パフォーマンスが安定していても自律神経負荷が増大する可能性を示した点が新しい。

3. 技術・手法の肝は？

- 18種の温度・acoustic noise・illuminance組み合わせ下でcontact-rich tracing taskを実施。 - EDA、sEMG、eye-tracking、主観的環境快適性評価を同期記録。 - tonic skin conductance level (SCL)を自律神経負荷の指標として解析し、実行データと比較。

4. どうやって有効だと検証した？

- 全環境条件でタスクパフォーマンスは安定していた。 - tonic SCLは温度上昇に伴い増加したが、身体的・認知的負荷は影響を受けなかった。 - 主観的快適性はtracing errorやcompletion timeと有意に関連しなかった。

5. 議論はある？

- オペレータは生理的労力を増やして熱的不快感を抑制し、パフォーマンスを維持する補償機構が示唆された。 - この知見は、非構造環境でオペレータ負荷を低減するphysiology-aware control architectureの開発を動機づける。 - ただし要旨からは、他の環境要因や長期的影響、個人差については不明。

6. 次に読むべき論文は？

- 要旨で参照・比較されている研究は明示されていない。 - 関連手法として、physiology-aware control、pHRI、contact-rich manipulation、multimodal physiological assessment、electrodermal activity (EDA)、surface electromyography (sEMG)、eye-trackingの文献が次に読むべき候補。 - 同分野の定番として、human-robot interactionにおける生理計測や適応制御の研究を参照するとよい。

※ 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: Yanyi Chen, Xi Wang, Min Deng

分類: cs.RO

原文アブストラクト

Physical human-robot interaction (pHRI) in real-world settings exposes operators to fluctuating environmental conditions during contact-rich tasks. Traditional task-centric evaluations overlook the physiological burdens imposed by these stressors. Therefore, we conducted a multimodal empirical study involving contact-rich tracing tasks under 18 distinct combinations of temperature, acoustic noise, and illuminance. Synchronously, we recorded electrodermal activity (EDA), surface electromyography (sEMG), eye-tracking data, and subjective environmental comfort ratings. Evaluating these physiological signals alongside execution data revealed hidden physiological costs not captured by objective performance. The results revealed that task performance remained stable across all environmental conditions. Autonomic workload, indexed by tonic skin conductance level (SCL), increased with temperature, while physical and cognitive workload were unaffected. Perceived environmental comfort showed no significant association with tracing error or completion time. These findings reveal a compensatory mechanism where operators maintain consistent performance by increasing their physiological effort to suppress thermal discomfort. Such insight motivates the development of physiology-aware control architectures that leverage real-time physiological metrics to reduce operator workload in unstructured environments.

arXivで原文を読む →arXiv概要ページ

← 論文一覧