社会的ナビゲーション2025/10/1arXiv:2510.07871

能動的リスク知覚による社会的ナビゲーションの学習

Learning to Navigate Socially Through Proactive Risk Perception

RGB-Dとオドメトリのみを用い、周囲の人間との衝突リスクを予測する能動的リスク知覚モジュールをFalconに追加し、混雑環境での社会的に配慮したナビゲーションを実現した。

詳しい要約

1. どんなもの？

- IROS 2025 RoboSense Challenge Social Navigation Track への提出システムの技術報告 - RGB-D と odometry のみを用い、egocentric 視点で動く人間のいる屋内環境を自律移動する - グローバルマップや privileged information は使わず、安全距離や衝突回避などの social norm compliance を保つ - Falcon model を基盤に Proactive Risk Perception Module を追加した手法

2. 先行研究と比べてどこがすごい？

- ベースとなる Falcon model に対し、周囲 human の衝突リスク理解を追加した点が差分 - 単なる反応的な回避ではなく、distance-based collision risk score を予測する proactive な衝突回避を狙う - これにより robust な spatial awareness と personal space compliance の改善を主張 - ただし具体的な先行研究との定量比較は要旨からは不明

3. 技術・手法の肝は？

- Falcon model を土台に Proactive Risk Perception Module を組み込む構成 - 周囲 human ごとに distance-based collision risk score を学習により予測 - 予測したリスクを navigation に反映し、衝突リスク理解に基づく空間認識と先回りの回避行動を実現 - 入力は RGB-D observations と odometry のみで、global map や privileged information に依存しない

4. どうやって有効だと検証した？

- Social-HM3D benchmark 上で評価 - 動的 human agent が存在する混雑した屋内シーンで、goal へ向かいつつ personal space compliance を維持する能力が向上 - 16 チーム中 2nd place を獲得したと報告 - 個別の ablation や指標ごとの数値は要旨からは不明

5. 議論はある？

- リスクスコア予測が social navigation の personal space compliance と proactive 回避に寄与する可能性を示唆 - 一方、失敗事例、計算コスト、リスクスコア設計の感度、他手法との詳細比較は要旨からは不明 - 実環境への一般化や倫理的側面についての議論も要旨からは不明

6. 次に読むべき論文は？

- Falcon model（本手法のベース） - Social-HM3D benchmark（評価基盤） - IROS 2025 RoboSense Challenge Social Navigation Track の他チーム提出手法 - 同分野の定番として social navigation における collision risk prediction や personal space compliance に関する研究

※ 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: Erjia Xiao, Lingfeng Zhang, Yingbo Tang, Hao Cheng, Renjing Xu, Wenbo Ding, Lei Zhou, Long Chen, Hangjun Ye, Xiaoshuai Hao

分類: cs.RO, cs.AI, cs.CV, cs.LG

原文アブストラクト

In this report, we describe the technical details of our submission to the IROS 2025 RoboSense Challenge Social Navigation Track. This track focuses on developing RGBD-based perception and navigation systems that enable autonomous agents to navigate safely, efficiently, and socially compliantly in dynamic human-populated indoor environments. The challenge requires agents to operate from an egocentric perspective using only onboard sensors including RGB-D observations and odometry, without access to global maps or privileged information, while maintaining social norm compliance such as safe distances and collision avoidance. Building upon the Falcon model, we introduce a Proactive Risk Perception Module to enhance social navigation performance. Our approach augments Falcon with collision risk understanding that learns to predict distance-based collision risk scores for surrounding humans, which enables the agent to develop more robust spatial awareness and proactive collision avoidance behaviors. The evaluation on the Social-HM3D benchmark demonstrates that our method improves the agent's ability to maintain personal space compliance while navigating toward goals in crowded indoor scenes with dynamic human agents, achieving 2nd place among 16 participating teams in the challenge.

arXivで原文を読む →arXiv概要ページ

能動的リスク知覚による社会的ナビゲーションの学習

詳しい要約

1. どんなもの？

2. 先行研究と比べてどこがすごい？

3. 技術・手法の肝は？

4. どうやって有効だと検証した？

5. 議論はある？

6. 次に読むべき論文は？

原文アブストラクト

関連論文

今週よく読まれている記事

MINISFORUM（ミニPC）

双腕モバイルマニピュレーター OpenShell