日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

ナビゲーションarXiv:2607.01925

群衆ロボットナビゲーションのための社会的選好学習

SPLC: Social Preference Learning for Crowd Robot Navigation

シェア:XThreadsFacebookLINEはてブBluesky

オフライン強化学習を用いた群衆ロボットナビゲーションにおいて、詳細な報酬設計を不要にする社会的選好学習アルゴリズムを提案し、シミュレーションと実機で有効性を検証した。

詳しい要約

1. どんなもの?

- 本論文は、群衆ロボットナビゲーションのためのSocial Preference Learning for Crowd Robot Navigation (SPLC)アルゴリズムを提案する。 - オフライン強化学習(RL)を用いた人間とロボットの共存環境でのナビゲーションを対象とする。 - 報酬関数の詳細な設計を不要にし、社会的に適合したロボット行動を促進することを目的とする。 - コードとビデオデモはGitHubで公開されている。

2. 先行研究と比べてどこがすごい?

- 従来のオフラインRLでは、歩行者の動きの複雑さから、社会的に適合した行動を促す報酬関数の設計が困難であった。 - SPLCは報酬設計の必要性を排除し、社会的選好フィードバック機構を導入することで、報酬バイアスを軽減する。 - 広範な社会規範を体系的に定量化し、社会的に適合した行動を促進する点が先行研究と比べて優れている。 - 標準的な性能指標において、最先端のベースラインを一貫して上回る改善を示した。

3. 技術・手法の肝は?

- 中核となる革新は、社会的選好フィードバック機構を導入し、原則に基づく選好評価基準を通じて選好データを自動生成することである。 - 歩行者の動力学の複雑さを明示的に考慮することで、報酬バイアスを軽減する。 - これにより、広範な社会規範を体系的に定量化し、社会的に適合した行動を促進する。 - オフラインRL手法と統合して使用される。

4. どうやって有効だと検証した?

- 広範な実験により、SPLCをオフラインRL手法と統合することで、標準的な性能指標において最先端のベースラインを一貫して上回る改善を実証した。 - さらに、TurtleBot4を用いた実世界実験により、実際の人間とロボットの共存環境におけるSPLCの有効性を検証した。

5. 議論はある?

- 要旨からは不明。

6. 次に読むべき論文は?

- 要旨で参照/比較されている研究や関連手法は明示されていない。 - 同分野の定番として、オフライン強化学習(offline RL)や群衆ロボットナビゲーション(crowd robot navigation)に関する論文が挙げられる。

※ 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: Zixuan Chen, Hao Fu, Haiwen Hu, Shiquan Zheng

分類: cs.RO

原文アブストラクト

Offline reinforcement learning (RL) holds significant potential for crowd robot navigation in human-robot coexistence applications. However, the inherent complexity of pedestrian motion renders the design of effective reward functions for promoting socially compliant robot behaviors a persistent challenge. This paper proposes a Social Preference Learning for Crowd Robot Navigation (SPLC) algorithm to eliminate the need for detailed reward design. Its core innovation lies in the introduction of a social preference feedback mechanism to automatically generate preference data through principled preference evaluation criteria. By explicitly accounting for the intricacies of pedestrian dynamics, the pipeline mitigates the reward bias and facilitates the systematic quantification of broad social norms, thereby fostering socially compliant behaviors. Extensive experiments integrating SPLC with offline RL methods demonstrate consistent improvements over state-of-the-art baselines across standard performance metrics. Furthermore, real-world experiments on the TurtleBot4 further validate the effectiveness of SPLC in practical human-robot coexistence settings. Our code and video demos are available at https://github.com/sklus949/SPLC.

関連論文

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  3. 3newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

FRONTIER(GPU搭載BTOパソコン)

FRONTIER(GPU搭載BTOパソコン)の公式広告バナーFRONTIERでGPU搭載PCを見る ↗
PR本紙発行元 EmplifAI