未ラベル軌跡から対人配慮の経路補正を学習するLiDARベースsim2real GNNフレームワーク

- 建設現場で作業者近傍を動く建設ロボット向けの、LiDAR のみで動作するリアルタイム経路補正フレームワーク - ラベル付き実演を必要とせず、未ラベルの軌跡から interaction-aware な経路補正を学習する - GNN が robot・pedestrian・goal context の関係をモデル化し、planner 非依存のインタフェースで waypoint を補正する - sim-to-real を意識した構成で、deployment 時は extended Kalman filter で LiDAR 検出を追跡し動的グラフを構築する

- 既存の social navigation は hand-crafted な interaction rule、labeled demonstration、robot 固有の control policy に依存し、建設環境での scalability・transferability が限られていた - 本研究は未ラベル実演から学習し、LiDAR のみ・planner-agnostic な補正として構成する点が異なる - 特定の control policy を置き換えず planner 生成 waypoint を offset するため、既存 planner に後付けしやすい - 建設現場という動的・非構造環境を対象に、sim-to-real を明示した GNN フレームワークとして提示している

- constant-velocity extrapolation により residual learning target を生成し、ラベルなしで補正を学習する - GNN が robot・pedestrian・goal context 間の関係をグラフとして扱い、interaction-aware な補正を出力する - deployment では extended Kalman filter で LiDAR 検出を追跡し、dynamic graph を構築する - GNN は planner-agnostic interface を通じて planner 生成 waypoint を offset する - target context、reflection augmentation、feature normalization を組み込む設計で、ablation で各要素の寄与を確認している

- bricklaying trial において、GNN が path irregularity を 39.2% 低減し minimum TTC を増加させた - Dynablox sequences において、minimum TTC を 38.3% 増加させ、baseline より短く滑らかな path を生成した - ablation studies により 1.0-s prediction interval を支持し、target context、reflection augmentation、feature normalization の有効性を確認した - 評価は上記 trial と sequences に基づくもので、詳細な被験者数や試行回数は要旨からは不明

- 未ラベル軌跡からの学習によりラベル付き実演への依存を減らせる可能性が示唆される - planner-agnostic な補正は既存 planner への適用性を高める一方、planner 側の挙動への依存や限界は要旨からは不明 - LiDAR のみで動的グラフを構築するため視覚情報なしで動作するが、遮蔽や検出誤差への影響は要旨からは不明 - sim-to-real のギャップ、建設現場特有の安全性基準、長期運用時の性能は要旨からは不明

- Dynablox（比較対象として用いられた LiDAR ベースの dynamic obstacle データセット/手法） - social navigation における GNN ベース手法（例: Social GAN、Social-STGCNN など同分野の定番） - constant-velocity extrapolation を用いた residual learning / imitation learning 関連研究 - extended Kalman filter を用いた LiDAR 追跡と dynamic graph 構築に関する研究 - sim-to-real のための reflection augmentation や feature normalization に関する研究 - planner-agnostic な waypoint correction や social navigation の benchmark 研究