産業用ヒューマンロボット協調のための信頼度対応マルチモーダル融合フレームワーク

- 産業用 human-robot collaboration 向けの信頼度考慮型マルチモーダル融合フレームワーク (CAMF) を提案。 - 4つの異種モダリティ (object 6D pose, gaze, skeletal motion, IMU-based hand motion) を融合し、人間の意図予測を行う。 - BiLSTM に confidence-trend-driven dynamic fusion 機構を組み込み、双方向時系列特徴を適応的にバランス。 - confidence-guided balanced learning と confidence freezing 機構で勾配を動的調整し、低品質モダリティのノイズ抑制と cross-modal learning bias 緩和を図る。 - UR3 collaborative robot を用いた物理プラットフォームで検証。

- 既存のマルチモーダル融合手法と比較して、意図認識精度 91.86% を達成し、総合性能と安定性で優位。 - 低照度や部分遮蔽の干渉下でも満足な精度を維持。 - 実用的な組立タスクにおいて、先回り的で安定した人間-ロボット協調を実現し、環境適応性が高い。 - 具体的な先行研究名は要旨からは不明。

- 4モダリティ (object 6D pose, gaze, skeletal motion, IMU-based hand motion) を融合。 - confidence-trend-driven dynamic fusion 機構を BiLSTM に埋め込み、リアルタイムのモダリティ信頼度に応じて双方向時系列特徴を適応的に重み付け。 - confidence-guided balanced learning 戦略と confidence freezing 機構を採用し、ネットワーク勾配を動的に調整。 - 低品質モダリティからのノイズを抑制し、cross-modal learning bias を緩和。

- UR3 collaborative robot を用いた物理プラットフォームを構築し、実験的検証を実施。 - 比較結果から、意図認識精度 91.86% を達成し、既存のマルチモーダル融合手法を総合性能と安定性で上回ることを確認。 - 低照度および部分遮蔽の干渉下でも満足な精度を維持することを確認。 - 実用的な組立タスクにおいて、先回り的で安定した人間-ロボット協調を実現することを確認。

- 要旨からは不明。

- 要旨で参照/比較されている研究は明記されていない。 - 同分野の定番として、multimodal fusion for human-robot collaboration、BiLSTM-based intention prediction、confidence-aware learning に関する論文が挙げられる。