論文の概要: LocoVR: Multiuser Indoor Locomotion Dataset in Virtual Reality
- arxiv url: http://arxiv.org/abs/2410.06437v1
- Date: Wed, 9 Oct 2024 00:45:02 GMT
- ステータス: 処理完了
- システム内更新日: 2024-11-01 05:49:25.989197
- Title: LocoVR: Multiuser Indoor Locomotion Dataset in Virtual Reality
- Title（参考訳）: LocoVR: バーチャルリアリティにおけるマルチユーザ屋内ロコモーションデータセット
- Authors: Kojiro Takeyama, Yimeng Liu, Misha Sra,
- Abstract要約: LocoVRは、130以上の屋内環境から収集された7000人以上の2人以上の軌跡のデータセットである。
評価の結果,ロコVRは人体軌道を利用した3つの室内作業において,モデル性能を著しく向上させることがわかった。
- 参考スコア（独自算出の注目度）: 8.035381442028076
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Understanding human locomotion is crucial for AI agents such as robots, particularly in complex indoor home environments. Modeling human trajectories in these spaces requires insight into how individuals maneuver around physical obstacles and manage social navigation dynamics. These dynamics include subtle behaviors influenced by proxemics - the social use of space, such as stepping aside to allow others to pass or choosing longer routes to avoid collisions. Previous research has developed datasets of human motion in indoor scenes, but these are often limited in scale and lack the nuanced social navigation dynamics common in home environments. To address this, we present LocoVR, a dataset of 7000+ two-person trajectories captured in virtual reality from over 130 different indoor home environments. LocoVR provides full body pose data and precise spatial information, along with rich examples of socially-motivated movement behaviors. For example, the dataset captures instances of individuals navigating around each other in narrow spaces, adjusting paths to respect personal boundaries in living areas, and coordinating movements in high-traffic zones like entryways and kitchens. Our evaluation shows that LocoVR significantly enhances model performance in three practical indoor tasks utilizing human trajectories, and demonstrates predicting socially-aware navigation patterns in home environments.
- Abstract（参考訳）: ロボットのようなAIエージェント、特に複雑な屋内環境において、人間の移動を理解することが不可欠である。
これらの空間における人間の軌道のモデル化には、個人が物理的な障害物をどう操作し、社会的ナビゲーションのダイナミクスを管理するかについての洞察が必要である。
これらのダイナミクスには、プロキシに影響された微妙な振る舞いが含まれます。例えば、他人が衝突を避けるために長いルートを通過したり、選択したりするために、脇に足を踏み入れたりといった空間の社会的利用です。
これまでの研究では、屋内のシーンで人間の動きのデータセットが開発されてきたが、規模は限られており、家庭環境に共通する微妙な社会的ナビゲーションのダイナミクスが欠如していることが多い。
この問題を解決するために、130以上の屋内環境から収集された7000人以上の2人以上の軌跡のデータセットであるLocoVRを紹介します。
LocoVRは、社会に動機づけられた運動行動の豊富な例とともに、全身のポーズデータと正確な空間情報を提供する。
例えば、データセットは狭い空間でお互いの周りを移動している個人のインスタンスをキャプチャし、生活領域の個人的境界を尊重する経路を調整し、入り口やキッチンのような交通量の多いゾーンでの動きを調整する。
評価の結果,ロコVRは人体軌道を利用した3つの室内作業におけるモデル性能を著しく向上させ,家庭環境における社会的に認識されたナビゲーションパターンの予測を実証した。
関連論文リスト
- 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) - Revisit Human-Scene Interaction via Space Occupancy [55.67657438543008]
HSI(Human-Scene Interaction)の生成は、さまざまな下流タスクに不可欠な課題である。
本研究では,シーンとのインタラクションが,抽象的な物理的視点からシーンの空間占有と本質的に相互作用していることを論じる。
純粋な動きシーケンスを、見えないシーン占有と相互作用する人間の記録として扱うことで、動きのみのデータを大規模にペア化された人間-占有相互作用データベースに集約することができる。
論文 参考訳（メタデータ） (2023-12-05T12:03:00Z) - 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) - 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) - Synthesizing Diverse Human Motions in 3D Indoor Scenes [16.948649870341782]
そこで本研究では,仮想人間による3次元屋内シーンの映像化手法を提案する。
既存のアプローチは、キャプチャーされた人間の動きと、それらが相互作用する3Dシーンを含むトレーニングシーケンスに依存している。
仮想人間が3Dシーンをナビゲートし、現実的かつ自律的にオブジェクトと対話できる強化学習ベースのアプローチを提案する。
論文 参考訳（メタデータ） (2023-05-21T09:22:24Z) - Privacy concerns from variances in spatial navigability in VR [0.0]
現在のバーチャルリアリティ(VR)入力デバイスは、仮想環境をナビゲートし、ユーザの動きや特定の行動習慣に関する没入的でパーソナライズされたデータを記録することができる。
本稿では,VRにおける既存のプライバシー問題に対する対処手段として,機械学習による学習アルゴリズムについて検討する。
論文 参考訳（メタデータ） (2023-02-06T01:48:59Z) - 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) - HSC4D: Human-centered 4D Scene Capture in Large-scale Indoor-outdoor
Space Using Wearable IMUs and LiDAR [51.9200422793806]
ボディマウントのIMUとLiDARのみを使用することで、HSC4Dは外部機器の制約なしに空間自由となり、マップ無しで事前に構築された地図を作成できる。
人間と環境の関係も研究され、対話をより現実的なものにしている。
論文 参考訳（メタデータ） (2022-03-17T10:05:55Z) - Stochastic Scene-Aware Motion Prediction [41.6104600038666]
本稿では,対象物に対して所定の動作を行う異なるスタイルをモデル化する,データ駆動合成動作法を提案する。
SAMP (Scene Aware Motion Prediction) と呼ばれる本手法は, 様々なジオメトリ対象を対象とし, キャラクタが散らばったシーンで移動できるように一般化する。
論文 参考訳（メタデータ） (2021-08-18T17:56:17Z) - 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。