論文の概要: Group-Aware Robot Navigation in Crowded Environments
- arxiv url: http://arxiv.org/abs/2012.12291v1
- Date: Tue, 22 Dec 2020 19:04:40 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-26 07:14:40.848114
- Title: Group-Aware Robot Navigation in Crowded Environments
- Title(参考訳): 群集環境におけるグループ対応ロボットナビゲーション
- Authors: Kapil Katyal, Yuxiang Gao, Jared Markowitz, I-Jeng Wang, Chien-Ming
Huang
- Abstract要約: 本稿では,深層強化学習を用いた動的グループ形成に基づく学習グループ対応ナビゲーションポリシーについて検討する。
我々は,人間集団を無視する基本方針と比較して,ロボットのナビゲーション性能が向上することを示す。
本研究は,ソーシャルナビゲーションの開発と,移動ロボットの人間環境への統合に寄与する。
- 参考スコア(独自算出の注目度): 8.154698016722815
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Human-aware robot navigation promises a range of applications in which mobile
robots bring versatile assistance to people in common human environments. While
prior research has mostly focused on modeling pedestrians as independent,
intentional individuals, people move in groups; consequently, it is imperative
for mobile robots to respect human groups when navigating around people. This
paper explores learning group-aware navigation policies based on dynamic group
formation using deep reinforcement learning. Through simulation experiments, we
show that group-aware policies, compared to baseline policies that neglect
human groups, achieve greater robot navigation performance (e.g., fewer
collisions), minimize violation of social norms and discomfort, and reduce the
robot's movement impact on pedestrians. Our results contribute to the
development of social navigation and the integration of mobile robots into
human environments.
- Abstract(参考訳): 人間を意識したロボットナビゲーションは、モバイルロボットが共通の人間環境の人々に多目的支援をもたらす様々なアプリケーションを実現する。
これまでの研究では、歩行者を独立した、意図的な個人としてモデル化することを中心に研究されてきたが、人々は集団で移動する。
本稿では,深層強化学習を用いた動的グループ形成に基づく学習グループ対応ナビゲーションポリシーについて検討する。
シミュレーション実験により,人間集団を無視する基本方針と比較して,ロボットナビゲーション性能の向上(衝突の低減など),社会規範の違反や不快感の最小化,歩行者に対するロボットの動きへの影響の低減などが示された。
本研究は,ソーシャルナビゲーションの開発と,移動ロボットの人間環境への統合に寄与する。
関連論文リスト
- Exploring Social Motion Latent Space and Human Awareness for Effective
Robot Navigation in Crowded Environments [3.714800947440209]
提案手法は,成功率,航法時間,軌道長などのソーシャルナビゲーション指標を大幅に改善する。
ロボットに対する人間の意識の概念は、社会ロボットナビゲーションフレームワークに導入されている。
論文 参考訳(メタデータ) (2023-10-11T09:25:24Z) - ImitationNet: Unsupervised Human-to-Robot Motion Retargeting via Shared
Latent Space [11.021217430606042]
本稿では,ロボットの動きに対する新しいディープラーニング手法を提案する。
本手法では,新しいロボットへの翻訳を容易にする,人間とロボットのペアデータを必要としない。
我々のモデルは、効率と精度の観点から、人間とロボットの類似性に関する既存の研究よりも優れています。
論文 参考訳(メタデータ) (2023-09-11T08:55:04Z) - SACSoN: Scalable Autonomous Control for Social Navigation [62.59274275261392]
我々は、社会的に邪魔にならないナビゲーションのための政策の訓練方法を開発した。
この反事実的摂動を最小化することにより、共有空間における人間の自然な振る舞いを変えない方法でロボットに行動を促すことができる。
屋内移動ロボットが人間の傍観者と対話する大規模なデータセットを収集する。
論文 参考訳(メタデータ) (2023-06-02T19:07:52Z) - Learning Human-to-Robot Handovers from Point Clouds [63.18127198174958]
視覚に基づく人間ロボットハンドオーバの制御ポリシーを学習する最初のフレームワークを提案する。
シミュレーションベンチマーク,sim-to-sim転送,sim-to-real転送において,ベースラインよりも大きな性能向上を示した。
論文 参考訳(メタデータ) (2023-03-30T17:58:36Z) - HERD: Continuous Human-to-Robot Evolution for Learning from Human
Demonstration [57.045140028275036]
本研究では,マイクロ進化的強化学習を用いて,操作スキルを人間からロボットに伝達可能であることを示す。
本稿では,ロボットの進化経路とポリシーを協調的に最適化する多次元進化経路探索アルゴリズムを提案する。
論文 参考訳(メタデータ) (2022-12-08T15:56:13Z) - Gesture2Path: Imitation Learning for Gesture-aware Navigation [54.570943577423094]
Gesture2Pathは、画像に基づく模倣学習とモデル予測制御を組み合わせた新しいソーシャルナビゲーション手法である。
実際のロボットに本手法をデプロイし,4つのジェスチャーナビゲーションシナリオに対するアプローチの有効性を示す。
論文 参考訳(メタデータ) (2022-09-19T23:05:36Z) - Model Predictive Control for Fluid Human-to-Robot Handovers [50.72520769938633]
人間の快適さを考慮に入れた計画運動は、人間ロボットのハンドオーバプロセスの一部ではない。
本稿では,効率的なモデル予測制御フレームワークを用いてスムーズな動きを生成することを提案する。
ユーザ数名の多様なオブジェクトに対して,人間とロボットのハンドオーバ実験を行う。
論文 参考訳(メタデータ) (2022-03-31T23:08:20Z) - Socially Compliant Navigation Dataset (SCAND): A Large-Scale Dataset of
Demonstrations for Social Navigation [92.66286342108934]
社会ナビゲーションは、ロボットのような自律的なエージェントが、人間のような他の知的エージェントの存在下で、社会的に従順な方法でナビゲートする能力である。
私たちのデータセットには8.7時間、128の軌道、25マイルの社会的に適合した人間の遠隔運転デモが含まれています。
論文 参考訳(メタデータ) (2022-03-28T19:09:11Z) - Social Navigation with Human Empowerment driven Deep Reinforcement
Learning [20.815007485176615]
次世代のモバイルロボットは、人間の協力者によって受け入れられるために、社会的に準拠する必要がある。
本稿では,古典的acfRLのアプローチを超えて,エンパワーメントを用いた本質的なモチベーションをエージェントに提供する。
我々のアプローチは、人間との距離を最小化し、それによって、効率的に目標に向かって移動しながら、人間の移動時間を短縮するので、人間に肯定的な影響を与える。
論文 参考訳(メタデータ) (2020-03-18T11:16:07Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。