論文の概要: SocRATES: Towards Automated Scenario-based Testing of Social Navigation Algorithms

• arxiv url: http://arxiv.org/abs/2412.19595v1
• Date: Fri, 27 Dec 2024 11:33:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-30 17:25:16.348391
• Title: SocRATES: Towards Automated Scenario-based Testing of Social Navigation Algorithms
• Title（参考訳）: SocRATES:ソーシャルナビゲーションアルゴリズムの自動テストに向けて
• Authors: Shashank Rao Marpally, Pranav Goyal, Harold Soh,
• Abstract要約: シナリオベーステストによるより包括的なソーシャルナビゲーションの評価を提案する。 我々は、コンテキストや位置に適したソーシャルナビゲーションシナリオの自動生成を行うパイプラインを導入する。 実験の結果,我々のパイプラインは現実的なシナリオを生成し,シナリオ翻訳を大幅に改善していることがわかった。
• 参考スコア（独自算出の注目度）: 11.408168957500633
• License:
• Abstract: Current social navigation methods and benchmarks primarily focus on proxemics and task efficiency. While these factors are important, qualitative aspects such as perceptions of a robot's social competence are equally crucial for successful adoption and integration into human environments. We propose a more comprehensive evaluation of social navigation through scenario-based testing, where specific human-robot interaction scenarios can reveal key robot behaviors. However, creating such scenarios is often labor-intensive and complex. In this work, we address this challenge by introducing a pipeline that automates the generation of context-, and location-appropriate social navigation scenarios, ready for simulation. Our pipeline transforms simple scenario metadata into detailed textual scenarios, infers pedestrian and robot trajectories, and simulates pedestrian behaviors, which enables more controlled evaluation. We leverage the social reasoning and code-generation capabilities of Large Language Models (LLMs) to streamline scenario generation and translation. Our experiments show that our pipeline produces realistic scenarios and significantly improves scenario translation over naive LLM prompting. Additionally, we present initial feedback from a usability study with social navigation experts and a case-study demonstrating a scenario-based evaluation of three navigation algorithms.
• Abstract（参考訳）: 現在のソーシャルナビゲーション手法とベンチマークは主にプロキシとタスク効率に焦点を当てている。 これらの要因は重要であるが、ロボットの社会的能力の知覚などの質的な側面は、人間環境への導入と統合の成功に等しく重要である。 シナリオベーステストによるより包括的なソーシャルナビゲーションの評価を提案し,人間とロボットのインタラクションシナリオが重要なロボットの動作を明らかにする。 しかし、このようなシナリオを作成するのは労働集約的で複雑であることが多い。 本研究では,この課題に対処するパイプラインを導入し,シミュレーションの準備ができている状況や場所に適したソーシャルナビゲーションシナリオの自動生成を実現する。 我々のパイプラインは、単純なシナリオメタデータを詳細なテキストシナリオに変換し、歩行者とロボットの軌道を推定し、歩行者の挙動をシミュレートし、より制御された評価を可能にする。 我々は,Large Language Models (LLMs) の社会的推論とコード生成機能を活用し,シナリオ生成と翻訳を効率化する。 実験の結果,本パイプラインは現実的なシナリオを生成できることがわかった。 さらに,ソーシャルナビゲーションの専門家によるユーザビリティスタディと,シナリオに基づく3つのナビゲーションアルゴリズムの評価をケーススタディで示す。

関連論文リスト

• LeGEND: A Top-Down Approach to Scenario Generation of Autonomous Driving Systems Assisted by Large Language Models [9.841914333647631]
  シナリオ生成のトップダウン方式を特徴とするLeGENDを提案する。 最初は抽象的な機能シナリオから始まり、その後論理的で具体的なシナリオへと下降する。 形式的に記述できる論理的シナリオとは異なり、関数的シナリオは自然言語で文書化されることが多い。
  論文  参考訳（メタデータ） (2024-09-16T08:01:21Z)
• Online Context Learning for Socially-compliant Navigation [49.609656402450746]
  本文では,ロボットが新たな社会環境に適応できるようにするための,オンラインコンテキスト学習手法を紹介する。 コミュニティワイドシミュレータを用いた実験により,本手法は最先端のシミュレータよりも優れていることが示された。
  論文  参考訳（メタデータ） (2024-06-17T12:59:13Z)
• PREDILECT: Preferences Delineated with Zero-Shot Language-based Reasoning in Reinforcement Learning [2.7387720378113554]
  ロボット学習の新たな分野として,嗜好に基づく強化学習(RL)が出現している。 我々は、人間が提供するテキストから大言語モデル(LLM)のゼロショット機能を利用する。 シミュレーションシナリオとユーザスタディの両方において、フィードバックとその意味を分析することによって、作業の有効性を明らかにする。
  論文  参考訳（メタデータ） (2024-02-23T16:30:05Z)
• Multi-Agent Dynamic Relational Reasoning for Social Robot Navigation [50.01551945190676]
  社会ロボットナビゲーションは、日常生活の様々な状況において有用であるが、安全な人間とロボットの相互作用と効率的な軌道計画が必要である。 本稿では, 動的に進化する関係構造を明示的に推論した系統的関係推論手法を提案する。 マルチエージェント軌道予測とソーシャルロボットナビゲーションの有効性を実証する。
  論文  参考訳（メタデータ） (2024-01-22T18:58:22Z)
• Principles and Guidelines for Evaluating Social Robot Navigation Algorithms [44.51586279645062]
  社会的ロボットナビゲーションは、動的エージェントとそのロボット行動の適切性に対する認識が関係しているため、評価が難しい。 コントリビューションには、(a)安全性、快適性、妥当性、丁寧さ、社会的能力、エージェント理解、活動性、文脈に対する応答性に関する原則、(b)メトリクスの使用のためのガイドライン、シナリオ、ベンチマーク、データセット、社会ナビゲーションを評価するためのシミュレーター、(c)様々なシミュレーター、ロボット、データセットの結果の比較を容易にするソーシャルナビゲーションメトリクスフレームワークなどが含まれます。
  論文  参考訳（メタデータ） (2023-06-29T07:31:43Z)
• Surrogate Assisted Generation of Human-Robot Interaction Scenarios [14.548073522259248]
  本研究では,サロゲート支援シナリオ生成が,課題シナリオの多様なデータセットを効率的に合成することを示す。 これらの失敗は実世界の相互作用において再現可能であることを実証する。
  論文  参考訳（メタデータ） (2023-04-26T19:11:56Z)
• An Application of Scenario Exploration to Find New Scenarios for the Development and Testing of Automated Driving Systems in Urban Scenarios [2.480533141352916]
  この研究はベイズ最適化とガウス過程を利用して、論理的シナリオの中で関連する、興味深い、あるいは重要なパラメータ集合を見つけることを目的としている。 この研究がもたらし、さらに調査すべきアイデアの一覧が提示される。
  論文  参考訳（メタデータ） (2022-05-17T09:47:32Z)
• CausalCity: Complex Simulations with Agency for Causal Discovery and Reasoning [68.74447489372037]
  本稿では,因果探索と反事実推論のためのアルゴリズムの開発を目的とした,高忠実度シミュレーション環境を提案する。 私たちの作業の中核となるコンポーネントは、複雑なシナリオを定義して作成することが簡単になるような、テキストの緊急性を導入することです。 我々は3つの最先端の手法による実験を行い、ベースラインを作成し、この環境の可利用性を強調する。
  論文  参考訳（メタデータ） (2021-06-25T00:21:41Z)
• Generating and Characterizing Scenarios for Safety Testing of Autonomous Vehicles [86.9067793493874]
  最先端運転シミュレータを用いて,テストシナリオを特徴付け,生成するための効率的なメカニズムを提案する。 次世代シミュレーション(NGSIM)プロジェクトにおける実運転データの特徴付けに本手法を用いる。 事故回避の複雑さに基づいてメトリクスを定義してシナリオをランク付けし、事故発生の可能性を最小限に抑えるための洞察を提供します。
  論文  参考訳（メタデータ） (2021-03-12T17:00:23Z)
• Point Cloud Based Reinforcement Learning for Sim-to-Real and Partial Observability in Visual Navigation [62.22058066456076]
  強化学習(Reinforcement Learning, RL)は、複雑なロボットタスクを解決する強力なツールである。 RL は sim-to-real transfer problem として知られる現実世界では直接作用しない。 本稿では,点雲と環境ランダム化によって構築された観測空間を学習する手法を提案する。
  論文  参考訳（メタデータ） (2020-07-27T17:46:59Z)
• The Chef's Hat Simulation Environment for Reinforcement-Learning-Based Agents [54.63186041942257]
  本稿では,人間-ロボットインタラクションのシナリオで使用されるように設計されたChef's Hatカードゲームを実装する仮想シミュレーション環境を提案する。 本稿では,強化学習アルゴリズムにおける制御可能かつ再現可能なシナリオを提案する。
  論文  参考訳（メタデータ） (2020-03-12T15:52:49Z)

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。