正負のデモンストレーションとルールベース仕様から学ぶソーシャルナビゲーション

- 動的な人間環境で移動ロボットが安全かつ適応的にナビゲーションするための学習フレームワーク - positive/negative demonstrations から density-based reward を学習 - これに rule-based objectives（obstacle avoidance, goal reaching）を統合 - sampling-based lookahead controller が安全で適応的な supervisory actions を生成 - それを compact な student policy に distill し、不確実性推定付きでリアルタイム動作を実現 - synthetic および elevator co-boarding シミュレーションと実世界の人間参加実験で検証

- データ駆動の報酬と rule-based 目的を統合する点を仮説として掲げ、適応性と安全性のバランス改善を狙う - positive/negative demonstrations の両方から density-based reward を学習する枠組みを採用 - 安全かつ適応的な supervisory actions を生成し、compact student policy へ distill する構成 - 具体的な先行研究名や比較対象は要旨からは不明 - ベースラインに対する success rate と time efficiency の一貫した改善を報告

- positive/negative demonstrations から density-based reward を学習 - その報酬に obstacle avoidance と goal reaching の rule-based objectives を拡張統合 - sampling-based lookahead controller が supervisory actions を生成 - 生成された安全で適応的な行動を compact な student policy に distill - student policy は不確実性推定を伴いリアルタイム運用に対応 - 詳細なアルゴリズムやネットワーク構成は要旨からは不明

- synthetic シミュレーションと elevator co-boarding シミュレーションで実験 - ベースラインに対し success rate と time efficiency の一貫した改善を確認 - 人間参加者による実世界 demonstrations で展開の実用性を確認 - 映像はプロジェクトページで公開 - 定量的な評価指標の詳細や被験者数は要旨からは不明

- データ駆動報酬と rule-based 目的の統合が適応性と安全性のバランスに有効という仮説を提示 - シミュレーションと実世界実証の両面から実用性を示唆 - 限界や失敗事例、rule-based objectives の設計依存性などの議論は要旨からは不明 - 不確実性推定の具体的な活用方法や評価は要旨からは不明

- 要旨で参照・比較されている個別研究は明示されていない - 関連手法として density-based reward learning、learning from demonstrations（positive/negative）、rule-based reward shaping、sampling-based lookahead control、policy distillation、uncertainty estimation を挙げる - 同分野の定番として social navigation の強化学習・模倣学習研究や safety-constrained RL を次に読む候補とする