LiDARから直接制御する安全なソーシャルナビゲーションのためのマルチタスク強化学習と確率的知覚
End-to-End Safe Social Navigation via Multi-Task Reinforcement Learning and Probabilistic Perception
LiDARスキャンから直接制御指令を生成する軽量なEnd-to-End強化学習フレームワークJESSIを提案し、確率的な人間状態推定とマルチタスク学習により、物理的安全性と社会的規範を両立したソーシャルナビゲーションを実現した。
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: Tommaso Van Der Meer Andrea Garulli, Antonio Giannitrapani, Renato Quartullo, Alberto Vaglio, Alexandre Alahi
分類: cs.RO, cs.HC
原文アブストラクト
Autonomous social navigation requires balancing efficiency, physical safety, and social compliance. Reinforcement Learning (RL) methods provide a viable and effective solution but often rely on unrealistic assumptions, such as the knowledge of humans' position and velocity. In this paper, we introduce JESSI (JAX-based E2E Safe Social Interpretable navigation), a lightweight end-to-end RL framework that maps raw LiDAR scans directly to kinematically feasible control commands. JESSI enhances safety via Dirichlet-parameterized continuous action spaces and deterministic bounding, while an integrated attention-based perception module extracts probabilistic human states for interpretable, socially aware decision-making. Through extensive simulations and real-world deployment on a differential-drive robot, we demonstrate that jointly optimizing the RL policy with a supervised perception signal in a multi-task paradigm enhances social behavior. Ultimately, JESSI is able to balance high navigation success rates and superior social behaviors compared to state-of-the-art baselines.
関連論文
- RESONATE: 自律サービスロボットのための実環境ソーシャルナビゲーション評価ベンチマークソーシャルナビゲーション
- Arena 5.0: ソーシャルナビゲーション開発・評価のためのフォトリアリスティックなROS2シミュレーションフレームワークソーシャルナビゲーション
- インターネット動画から方策状態空間でソーシャルナビゲーションを学習ソーシャルナビゲーション
- どこに加わるべきか？言語誘導型目標予測によるロボットのグループ参加ソーシャルナビゲーション
- PISHYAR: 視覚障害者向けの社会的インテリジェントなスマート杖による屋内ソーシャルナビゲーションとマルチモーダルな人間-ロボットインタラクションソーシャルナビゲーション
- 障害物からエチケットへ：VLMに基づく経路選択によるロボットのソーシャルナビゲーションソーシャルナビゲーション
