Data-driven design of expressive robot hands and hand gestures : applications for collaborative human-robot interaction
Notice bibliographique
Résumé
Fast and reliable communication between human workers and robotic assistants (RAs) is essential for successful collaboration between these agents. This is especially true for typically noisy manufacturing environments that render verbal communication less effective. This thesis investigates the efficacy of nonverbal communication capabilities of robotic manipulators that have poseable, three-fingered end-effectors (hands). This work explores the extent to which different poses of a typical robotic gripper can effectively communicate instructional messages during human-robot collaboration. Within the context of a collaborative car door assembly task, a series of three studies were conducted. Study 1 empirically explored the type of hand configurations that humans use to nonverbally instruct another per- son (N=17). Based on the findings from Study 1, Study 2 examined how well human gestures with frequently used hand configurations were under- stood by recipients of the message (N=140). Finally, Study 3 implemented the most human-recognized human hand configurations on a 7-degree-of- freedom (DOF) robotic manipulator to investigate the efficacy of having human-inspired hand poses on a robotic hand compared to an unposed hand (N=100). Contributions of this work include the presentation of a set of hand configurations humans commonly use to instruct another person in a collaborative assembly scenario, as well as Recognition Rate and Recognition Confidence measures for the gestures that humans and robots expressed using different hand configurations. These experimental results indicate that most gestures are better recognized with a higher level of confidence when displayed with a posed robot hand. Guidelines and principles are provided based on these results for the mechanical design of robotic hands.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».