論文の概要: SG-LSTM: Social Group LSTM for Robot Navigation Through Dense Crowds

• arxiv url: http://arxiv.org/abs/2303.04320v2
• Date: Sun, 6 Aug 2023 17:17:05 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-08 23:49:45.384080
• Title: SG-LSTM: Social Group LSTM for Robot Navigation Through Dense Crowds
• Title（参考訳）: SG-LSTM:Dense CrowdsによるロボットナビゲーションのためのソーシャルグループLSTM
• Authors: Rashmi Bhaskara and Maurice Chiu and Aniket Bera
• Abstract要約: 我々は、密集環境における人間グループと相互作用をモデル化する新しい社会グループ長短期記憶モデル(SG-LSTM)を導入する。 本手法により,混雑環境下での衝突のない経路の高速かつ高精度な計算が可能となる。
• 参考スコア（独自算出の注目度）: 17.842560410411387
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With the increasing availability and affordability of personal robots, they will no longer be confined to large corporate warehouses or factories but will instead be expected to operate in less controlled environments alongside larger groups of people. In addition to ensuring safety and efficiency, it is crucial to minimize any negative psychological impact robots may have on humans and follow unwritten social norms in these situations. Our research aims to develop a model that can predict the movements of pedestrians and perceptually-social groups in crowded environments. We introduce a new Social Group Long Short-term Memory (SG-LSTM) model that models human groups and interactions in dense environments using a socially-aware LSTM to produce more accurate trajectory predictions. Our approach enables navigation algorithms to calculate collision-free paths faster and more accurately in crowded environments. Additionally, we also release a large video dataset with labeled pedestrian groups for the broader social navigation community. We show comparisons with different metrics on different datasets (ETH, Hotel, MOT15) and different prediction approaches (LIN, LSTM, O-LSTM, S-LSTM) as well as runtime performance.
• Abstract（参考訳）: 個人用ロボットの可用性と手頃さが増す中で、ロボットはもはや大企業の倉庫や工場に限らず、より制御の少ない環境で大規模集団と共に運用されることが期待されている。 安全性と効率の確保に加えて、ロボットが人間に与えるネガティブな心理的影響を最小限に抑え、これらの状況における無書きの社会的規範に従うことが不可欠である。 本研究の目的は,混雑した環境下での歩行者や知覚社会的グループの動きを予測できるモデルを開発することである。 社会的に認識されたLSTMを用いて、密集環境における人間グループと相互作用をモデル化し、より正確な軌道予測を行うソーシャルグループ長短期記憶(SG-LSTM)モデルを提案する。 本手法は,混雑した環境において,衝突のない経路を高速かつ正確に計算する。 さらに、より広いソーシャルナビゲーションコミュニティのために、ラベル付き歩行者グループによる大規模なビデオデータセットもリリースしました。 異なるデータセット(ETH, Hotel, MOT15)と異なる予測手法(LIN, LSTM, O-LSTM, S-LSTM)とランタイム性能の比較を行った。

関連論文リスト

• OASIS: Open Agent Social Interaction Simulations with One Million Agents [147.2538500202457]
  実世界のソーシャルメディアプラットフォームに基づくスケーラブルなソーシャルメディアシミュレータを提案する。 OASISは最大100万人のユーザをモデリングできる大規模なユーザシミュレーションをサポートする。 我々は、情報拡散、グループ分極、XプラットフォームとRedditプラットフォーム間の群れ効果など、様々な社会現象を再現する。
  論文  参考訳（メタデータ） (2024-11-18T13:57:35Z)
• The Dynamics of Social Conventions in LLM populations: Spontaneous Emergence, Collective Biases and Tipping Points [0.0]
  シミュレーション対話を用いたLarge Language Model (LLM) エージェントの集団内におけるコンベンションのダイナミクスについて検討する。 グローバルに受け入れられる社会慣行は,LLM間の局所的な相互作用から自然に生じうることを示す。 献身的なLLMのマイノリティグループは、新しい社会慣習を確立することで社会変革を促進することができる。
  論文  参考訳（メタデータ） (2024-10-11T16:16:38Z)
• GSON: A Group-based Social Navigation Framework with Large Multimodal Model [9.94576166903495]
  移動ロボットが周囲の社会集団を知覚し利用できるようにするためのグループベースのソーシャルナビゲーションフレームワークGSONを提案する。 認識のために、歩行者間の社会的関係をゼロショットで抽出する視覚的プロンプト技術を適用した。 計画には,グローバルパス計画とローカルモーションプランニングの橋渡しとして,社会構造に基づく中間プランナを採用する。
  論文  参考訳（メタデータ） (2024-09-26T17:27:15Z)
• IA-LSTM: Interaction-Aware LSTM for Pedestrian Trajectory Prediction [1.3597551064547502]
  群衆シナリオにおける歩行者の軌道予測は、自動運転車や自律移動ロボットの分野において不可欠である。 従来の研究者は人間と人間の相互作用をモデル化する方法に重点を置いていたが、相互作用の相対的重要性を無視した。 人間の相互作用の相対的重要性を測定するために、コレントロピーに基づく新しいメカニズムが導入された。
  論文  参考訳（メタデータ） (2023-11-26T05:17:11Z)
• SOCIALGYM 2.0: Simulator for Multi-Agent Social Robot Navigation in Shared Human Spaces [13.116180950665962]
  SocialGym 2はソーシャルロボットのためのマルチエージェントナビゲーションシミュレータである。 ドアウェイ、廊下、交差点、ラウンドアバウトなど、複雑な環境で現実世界のダイナミクスを再現する。 SocialGym 2は、ROSメッセージングを通じてナビゲーションスタックと統合されたアクセス可能なpythonインターフェースを提供する。
  論文  参考訳（メタデータ） (2023-03-09T21:21:05Z)
• Safety-compliant Generative Adversarial Networks for Human Trajectory Forecasting [95.82600221180415]
  群衆における人間予測は、社会的相互作用をモデル化し、衝突のないマルチモーダル分布を出力するという課題を提示する。 SGANv2は、動き時間相互作用モデリングと変圧器に基づく識別器設計を備えた安全に配慮したSGANアーキテクチャである。
  論文  参考訳（メタデータ） (2022-09-25T15:18:56Z)
• 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)
• SABER: Data-Driven Motion Planner for Autonomously Navigating Heterogeneous Robots [112.2491765424719]
  我々は、データ駆動型アプローチを用いて、異種ロボットチームをグローバルな目標に向けてナビゲートする、エンドツーエンドのオンラインモーションプランニングフレームワークを提案する。 モデル予測制御(SMPC)を用いて,ロボット力学を満たす制御入力を計算し,障害物回避時の不確実性を考慮した。 リカレントニューラルネットワークは、SMPC有限時間地平線解における将来の状態の不確かさを素早く推定するために用いられる。 ディープQ学習エージェントがハイレベルパスプランナーとして機能し、SMPCにロボットを望ましいグローバルな目標に向けて移動させる目標位置を提供する。
  論文  参考訳（メタデータ） (2021-08-03T02:56:21Z)
• SRA-LSTM: Social Relationship Attention LSTM for Human Trajectory Prediction [3.1703939581903864]
  歩行者間の社会的関係は歩行者歩行パターンに影響を及ぼす重要な要因である。 ソーシャル・リレーション・アテンション・LSTM(SRA-LSTM)モデルによる将来の軌道予測
  論文  参考訳（メタデータ） (2021-03-31T12:56:39Z)
• PHASE: PHysically-grounded Abstract Social Events for Machine Social Perception [50.551003004553806]
  私たちは、物理的に根拠のある抽象的なソーシャルイベント、フェーズのデータセットを作成します。 フェーズは人間の実験によって検証され、人間は社会出来事において豊かな相互作用を知覚する。 ベースラインモデルとして,最新のフィードフォワードニューラルネットワークよりも優れたベイズ逆計画手法SIMPLEを導入する。
  論文  参考訳（メタデータ） (2021-03-02T18:44:57Z)
• ParkPredict: Motion and Intent Prediction of Vehicles in Parking Lots [65.33650222396078]
  我々は、駐車場環境を開発し、人間の駐車操作のデータセットを収集する。 本稿では,多モード長短期記憶(LSTM)予測モデルと畳み込みニューラルネットワークLSTM(CNN-LSTM)を物理ベースの拡張カルマンフィルタ(EKF)ベースラインと比較する。 以上の結果から,1) 意図をよく推定できる(LSTMとCNN-LSTMモデルによる約85% のトップ1精度と100% トップ3精度),2) 運転者の意図する駐車場所の知識が駐車軌跡の予測に大きく影響すること,3) 環境の意味的表現について考察した。
  論文  参考訳（メタデータ） (2020-04-21T20:46:32Z)

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。