拡散ステアリングによる性能を維持した社会ナビゲーションのオンライン適応
Performance-Preserving Online Adaptation in Social Navigation via Diffusion Steering
拡散ポリシーを固定してノイズポリシーのみを強化学習で訓練するDSRLを提案し、複数シードの統合でベースポリシーを強化。性能を保ちつつ社会規範に適応する効率的な学習と実機検証を示した。
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？
※ 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: Haruto Nagahisa, Kohei Matsumoto, Yuki Hyodo, Ryo Kurazume
分類: cs.RO
原文アブストラクト
In social navigation, modeling the complex interactions between humans and robots is difficult, and deep reinforcement learning has therefore been actively studied. However, because simulation alone cannot fully reproduce diverse scenarios, robot dynamics, and the social conventions that vary across deployment environments, fine-tuning in the deployment environment is promising. In doing so, learning that preserves the base model's performance is required, so as not to compromise the primary objective of navigation, namely avoiding pedestrians and reaching the destination. In this study, we propose a method that applies diffusion steering via reinforcement learning (DSRL), which trains only the noise policy while keeping the diffusion policy fixed, thereby achieving learning that preserves performance. Furthermore, we integrate diffusion-based RL policies trained with multiple seeds to construct the base policy, improving learning performance. Our evaluation shows that, compared with other methods, the proposed method enables efficient learning while preserving performance, and we confirm flexible behavior control through adaptation to social conventions, as well as its effectiveness on a physical robot through hardware-in-the-loop simulation.
関連論文
- PopNavShift: 歩行者集団の行動変化に対する社会ナビゲーションのストレステスト社会ナビゲーション
- SocialNav-Map: 人間軌道予測を用いた動的マッピングによるゼロショット社会ナビゲーション社会ナビゲーション
- データ駆動型社会ロボットナビゲーション指標のベンチマークに向けて社会ナビゲーション
- SAP-CoPE: インフラセンサノードとの協調姿勢推定を用いた社会性を考慮した計画社会ナビゲーション
- GSON: 大規模マルチモーダルモデルを活用したグループベース社会ナビゲーションフレームワーク社会ナビゲーション
- ハミルトン制約付き社会ナビゲーションのための人・ロボット協調分布カップリング社会ナビゲーション
