論文の概要: From Cognition to Precognition: A Future-Aware Framework for Social Navigation
- arxiv url: http://arxiv.org/abs/2409.13244v1
- Date: Fri, 20 Sep 2024 06:08:24 GMT
- ステータス: 処理完了
- システム内更新日: 2024-11-07 11:18:04.194315
- Title: From Cognition to Precognition: A Future-Aware Framework for Social Navigation
- Title（参考訳）: 認知から認知へ:ソーシャルナビゲーションのための未来認識フレームワーク
- Authors: Zeying Gong, Tianshuai Hu, Ronghe Qiu, Junwei Liang,
- Abstract要約: 本稿では,社会的に認識されたナビゲーションに取り組むための強化学習アーキテクチャであるFalconを提案する。
我々はSocial-HM3DとSocial-MP3Dという2つの新しいデータセットを含むSocialNavベンチマークを導入する。
我々は、最先端の学習法と古典的なルールベースの経路計画アルゴリズムを用いて、詳細な実験分析を行う。
- 参考スコア（独自算出の注目度）: 1.9094009409000596
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: To navigate safely and efficiently in crowded spaces, robots should not only perceive the current state of the environment but also anticipate future human movements. In this paper, we propose a reinforcement learning architecture, namely Falcon, to tackle socially-aware navigation by explicitly predicting human trajectories and penalizing actions that block future human paths. To facilitate realistic evaluation, we introduce a novel SocialNav benchmark containing two new datasets, Social-HM3D and Social-MP3D. This benchmark offers large-scale photo-realistic indoor scenes populated with a reasonable amount of human agents based on scene area size, incorporating natural human movements and trajectory patterns. We conduct a detailed experimental analysis with the state-of-the-art learning-based method and two classic rule-based path-planning algorithms on the new benchmark. The results demonstrate the importance of future prediction and our method achieves the best task success rate of 55% while maintaining about 90% personal space compliance. We will release our code and datasets. Videos of demonstrations can be viewed at https://zeying-gong.github.io/projects/falcon/ .
- Abstract（参考訳）: 混み合った空間で安全に効率的に移動するためには、ロボットは環境の現在の状態を認識できるだけでなく、将来の人間の動きも予測すべきである。
本稿では,人間の軌道を明示的に予測し,将来の人間の進路を阻害する罰則を課すことにより,社会的に認識されたナビゲーションに取り組むための強化学習アーキテクチャであるFalconを提案する。
現実的な評価を容易にするために,Social-HM3DとSocial-MP3Dの2つの新しいデータセットを含むSocialNavベンチマークを導入する。
このベンチマークでは、自然の人間の動きと軌道パターンを取り入れた、シーン面積の大きさに基づいて、適切な量の人間のエージェントが集まっている大規模な写真リアリスティック屋内シーンを提供する。
新しいベンチマークでは,最先端の学習手法と古典的なルールベースの経路計画アルゴリズムを用いて,詳細な実験分析を行う。
その結果、今後の予測の重要性が示され、我々の手法は、約90%の個人空間コンプライアンスを維持しつつ、55%のタスク成功率を達成することができた。
コードとデータセットをリリースします。
デモのビデオはhttps://zeying-gong.github.io/projects/falcon/ で見ることができる。
関連論文リスト
- CoNav: A Benchmark for Human-Centered Collaborative Navigation [66.6268966718022]
協調ナビゲーション(CoNav)ベンチマークを提案する。
われわれのCoNavは、現実的で多様な人間の活動を伴う3Dナビゲーション環境を構築するという重要な課題に取り組む。
本研究では,長期的意図と短期的意図の両方を推論する意図認識エージェントを提案する。
論文 参考訳（メタデータ） (2024-06-04T15:44:25Z) - Following the Human Thread in Social Navigation [10.384957135051119]
共有環境での人間とロボットのコラボレーションの成功は、ロボットの人間の動きへのリアルタイム適応に依存している。
人間軌道は社会航法において重要な手がかりとして現れるが、ロボットの自我中心的な視点から部分的に観察可能である。
本研究では,ロボットの行動履歴に基づく社会ダイナミクス適応モデル(SDA)を提案する。
論文 参考訳（メタデータ） (2024-04-17T12:39:48Z) - Social-Transmotion: Promptable Human Trajectory Prediction [65.80068316170613]
Social-Transmotionは、多種多様な視覚的手がかりを利用して人間の行動を予測する、汎用トランスフォーマーベースのモデルである。
提案手法は,JTA,JRDB,歩行者,道路交通のサイクリスト,ETH-UCYなど,複数のデータセットで検証されている。
論文 参考訳（メタデータ） (2023-12-26T18:56:49Z) - Robots That Can See: Leveraging Human Pose for Trajectory Prediction [30.919756497223343]
本研究では,人間中心環境における未来の軌道を予測するためのトランスフォーマーアーキテクチャを提案する。
結果として得られたモデルは、将来の人間の軌道予測に固有の不確実性を捉えている。
我々は,限られた履歴データを持つ新しいエージェントを誤りの主な要因として同定し,予測誤差を低減するために3次元骨格ポーズの相補的な性質を実証する。
論文 参考訳（メタデータ） (2023-09-29T13:02:56Z) - 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) - SocialVAE: Human Trajectory Prediction using Timewise Latents [4.640835690336652]
SocialVAEは、後部ニューラルネットワークを利用して予測を行う、時間的に変化するオートエンコーダアーキテクチャである。
そこで,SocialVAEは,現在最先端の歩行者軌道予測ベンチマークを改善していることを示す。
論文 参考訳（メタデータ） (2022-03-15T19:14:33Z) - Long-term Human Motion Prediction with Scene Context [60.096118270451974]
人間の動きを予測するための新しい3段階フレームワークを提案する。
提案手法はまず,まず複数の人間の動作目標を抽出し,各目標に向けて3次元人間の動作経路を計画し,最後に各経路に続く3次元人間のポーズシーケンスを予測する。
論文 参考訳（メタデータ） (2020-07-07T17:59:53Z) - Human Trajectory Forecasting in Crowds: A Deep Learning Perspective [89.4600982169]
本稿では,既存の深層学習に基づくソーシャルインタラクションのモデル化手法について詳細に分析する。
本稿では、これらの社会的相互作用を効果的に捉えるための知識に基づく2つのデータ駆動手法を提案する。
我々は,人間の軌道予測分野において,重要かつ欠落したコンポーネントであるTrajNet++を大規模に開発する。
論文 参考訳（メタデータ） (2020-07-07T17:19:56Z) - Visual Navigation Among Humans with Optimal Control as a Supervisor [72.5188978268463]
そこで本研究では,学習に基づく知覚とモデルに基づく最適制御を組み合わせることで,人間間をナビゲートする手法を提案する。
私たちのアプローチは、新しいデータ生成ツールであるHumANavによって実現されています。
学習したナビゲーションポリシーは、将来の人間の動きを明示的に予測することなく、人間に予測し、反応できることを実証する。
論文 参考訳（メタデータ） (2020-03-20T16:13:47Z)
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。