Cooperative gestures for industry: Exploring the efficacy of robot hand configurations in expression of instructional gestures for human–robot interaction
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Fast and reliable communication between human worker(s) and robotic assistants is essential for successful collaboration between the agents. This is especially true for typically noisy manufacturing environments that render verbal communication less effective. In this work, we investigate the efficacy of nonverbal communication capabilities of robotic manipulators that have poseable, three-fingered end-effectors (hands). We explore 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, we conducted a series of three studies. We first observed the type of hand configurations that humans use to nonverbally instruct another person (Study 1, N = 17); based on the observation, we examined how well human gestures with frequently used hand configurations are understood by recipients of the message (Study 2, N = 140). Finally, we implemented the most human-recognized human hand configurations on a seven-degree-of-freedom robotic manipulator to investigate the efficacy of having human-inspired hand poses on a robotic hand compared to an unposed hand (Study 3, N = 100). Contributions of this work include 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 express using different hand configurations. Results indicate that most gestures are better recognized with a higher level of confidence when displayed with a posed robot hand.
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.
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 | 0,003 | 0,002 |
| 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 | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle