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:2607.16619

SAGE: 異種マルチエージェントナビゲーションのための社会的認識生成エンジン

SAGE: A Socially-Aware Generative Engine for Heterogeneous Multi-Agent Navigation

シェア:XThreadsFacebookLINEはてブBluesky

ロボットと人間が混在する環境での安全で社会的に適切なナビゲーションを実現するため、異種エージェント間の非対称な相互作用をモデル化し、拡散モデルによる軌道生成と安全・社会規範のエネルギーガイダンスを組み合わせた生成エンジンを提案した。

詳しい要約

1. どんなもの?

SAGEは、異種エージェントが混在する環境でのロボットの社会的に配慮したナビゲーションを実現する生成エンジンである。ロボットと周囲のエンティティを有向ヘテロジニアスグラフで表現し、Heterogeneous Graph Transformer (HGT)を用いてタイプ別の非対称な相互作用をエンコードする。その文脈に基づき、拡散ベースの生成モジュールが将来のエンティティ軌道とロボットの軌道計画を同時にモデル化する。推論時には、学習不要の安全・社会性エネルギーガイダンス機構が、微分可能な衝突、運動学、タスク進行、役割条件付き社会適合性の各項を用いてサンプリングされたロボット軌道を洗練する。

2. 先行研究と比べてどこがすごい?

既存の軌道予測・計画手法は、均質な相互作用仮定や幾何学的衝突制約のみに依存することが多く、非対称な相互作用、予測と計画の結合、ソフトな社会規範を同時にモデル化することが困難だった。SAGEは、ヘテロジニアスグラフとHGTによりエージェントタイプの違いを明示的に扱い、拡散モデルで予測と計画を統合し、さらに学習不要のエネルギーガイダンスで社会規範を柔軟に組み込む点が新しい。

3. 技術・手法の肝は?

手法の核は、(1) ロボットとエンティティをノードとする有向ヘテロジニアスグラフの構築とHGTによるタイプ特異的な非対称相互作用のエンコード、(2) 拡散ベースの生成モジュールによる将来軌道の同時生成、(3) 推論時の学習不要なエネルギーガイダンス機構で、衝突回避、運動学的制約、タスク進行、役割条件付き社会適合性を微分可能な項として組み合わせ、サンプリング軌道を洗練する点。

4. どうやって有効だと検証した?

実世界データセット(ETH/UCY、SDD)と合成データセットを用いた広範な実験で検証した。安全性と社会適合性の向上、タスク性能の維持を確認し、衝突率と社会違反率の一貫した低減、最大20台のロボットチームへのスケーラビリティ、再学習なしでの安全性・正確性・タスクのトレードオフの明示的制御を実証した。

5. 議論はある?

要旨からは、提案手法の限界や潜在的な欠点についての議論は不明。ただし、エネルギーガイダンスの項の重み調整がトレードオフ制御に有効である一方、項の設計が環境やタスクに依存する可能性や、実環境での計算コスト、社会的規範の暗黙的なモデル化の限界などが考えられるが、要旨には明記されていない。

6. 次に読むべき論文は?

要旨で参照されている関連研究として、ETH/UCYやSDDデータセットを用いた軌道予測手法(例: Social LSTM, Social GAN)や、拡散モデルを用いた軌道生成手法、Heterogeneous Graph Transformerを用いた研究が挙げられる。具体的には、拡散モデルによる軌道予測のDiffusion Trajectory Predictionや、社会的ナビゲーションのための深層強化学習手法などが関連する。

※ 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: Lan Hu, Minghui Liwang, Wenbo Zhu, Xinlei Yi, Yiguang Hong, Xianbin Wang, Zhenzhen Jiao, Seyyedali Hosseinalipour

分類: cs.RO, cs.MA

原文アブストラクト

Safe and socially compliant navigation in open human-robot environments requires robots to reason about heterogeneous participants with different dynamics, autonomy levels, and social roles. Existing trajectory prediction and planning methods often rely on homogeneous interaction assumptions or enforce only geometric collision constraints, making it difficult to jointly model asymmetric interactions, coupled prediction-planning, and soft social norms. This paper proposes SAGE, a socially-aware generative engine for heterogeneous multi-agent navigation. SAGE represents robots and surrounding entities as a directed heterogeneous graph and employs a Heterogeneous Graph Transformer (HGT) to encode type-specific asymmetric interactions. Conditioned on the resulting context, a diffusion-based generative module jointly models future entity trajectories and robot trajectory plans. During inference, a training-free safety-social energy guidance mechanism refines sampled robot trajectories using differentiable collision, kinematic, task-progress, and role-conditioned social-compliance terms. Extensive experiments on real-world (ETH/UCY and SDD) and synthetic datasets verify the effectiveness of SAGE in improving safety and social compliance while maintaining task performance. The proposed guidance mechanism consistently reduces collision and social-violation rates, scales to teams of up to 20 robots, and enables explicit control of the safety-accuracy-task trade-off without retraining. These findings demonstrate the potential of SAGE as a scalable framework for socially-aware multi-agent navigation in complex environments.

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. 2newmo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
  3. 3GXO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
  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

OZ GAMING(GPU搭載BTOゲーミングPC)

OZ GAMING(GPU搭載BTOゲーミングPC)の公式広告バナーOZ GAMINGで完成品PCを見る ↗
PR本紙発行元 EmplifAI