論文の概要: Follow-Me in Micro-Mobility with End-to-End Imitation Learning
- arxiv url: http://arxiv.org/abs/2511.05158v1
- Date: Fri, 07 Nov 2025 11:24:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-10 21:00:44.740469
- Title: Follow-Me in Micro-Mobility with End-to-End Imitation Learning
- Title（参考訳）: エンド・ツー・エンド・イミテーション学習によるマイクロモビリティの追従
- Authors: Sahar Salimpour, Iacopo Catalano, Tomi Westerlund, Mohsen Falahi, Jorge Peña Queralta,
- Abstract要約: 模倣学習が従来手動で調整されたコントローラよりもスムーズで総合的に優れたコントローラを提供することを示す。
本稿では、エンドツーエンド制御のための異なるニューラルネットワークアーキテクチャを分析し、実世界の実運用レベルのデプロイメントにおけるそれらのユーザビリティを実証する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Autonomous micro-mobility platforms face challenges from the perspective of the typical deployment environment: large indoor spaces or urban areas that are potentially crowded and highly dynamic. While social navigation algorithms have progressed significantly, optimizing user comfort and overall user experience over other typical metrics in robotics (e.g., time or distance traveled) is understudied. Specifically, these metrics are critical in commercial applications. In this paper, we show how imitation learning delivers smoother and overall better controllers, versus previously used manually-tuned controllers. We demonstrate how DAAV's autonomous wheelchair achieves state-of-the-art comfort in follow-me mode, in which it follows a human operator assisting persons with reduced mobility (PRM). This paper analyzes different neural network architectures for end-to-end control and demonstrates their usability in real-world production-level deployments.
- Abstract（参考訳）: 自律型マイクロモビリティプラットフォームは、一般的な配置環境の観点からは、大きな屋内空間や、混み合って非常にダイナミックな都市部といった課題に直面している。
ソーシャルナビゲーションアルゴリズムは大幅に進歩しているが、ロボット工学における一般的な指標(例えば、時間や距離の移動)よりも、ユーザーの快適さと全体的なユーザエクスペリエンスを最適化する。
具体的には、これらのメトリクスは商用アプリケーションにおいて重要である。
本稿では,従来の手作業による制御よりも,模倣学習がよりスムーズで総合的に優れた制御器を提供することを示す。
本研究では,DAAVの自律型車椅子が,移動力の低下 (PRM) を補助する人間の操作者を追従するフォロー・ミー・モードにおいて,最先端の快適性を実現する方法を示す。
本稿では、エンドツーエンド制御のための異なるニューラルネットワークアーキテクチャを分析し、実世界の実運用レベルのデプロイメントにおけるそれらのユーザビリティを実証する。
関連論文リスト
- Watch and Learn: Learning to Use Computers from Online Videos [50.10702690339142]
Watch & Learn(W&L)は、インターネット上で簡単に利用できる人間のデモビデオを、大規模に実行可能なUIトラジェクトリに変換するフレームワークである。
我々は,タスク対応ビデオ検索を用いた逆動的ラベリングパイプラインを開発し,生のウェブビデオから53k以上の高品質なトラジェクトリを生成する。
これらの結果から,実世界展開に向けたCUAの実践的かつスケーラブルな基盤として,Webスケールの人間デモビデオが注目されている。
論文 参考訳（メタデータ） (2025-10-06T10:29:00Z) - Shared Control of Holonomic Wheelchairs through Reinforcement Learning [1.4970676989901233]
最先端の研究は、非ホロノミックロボットのナビゲーションの安全性を向上させるための共有制御の可能性を示した。
本稿では,2次元ユーザ入力と3次元モーション出力を併用した強化学習手法を提案する。
本手法は,車いすをスマートに配向し,良好なスムーズさや競争力のあるスムーズさを示すとともに,衝突のないナビゲーションを確実にすることを示す。
論文 参考訳（メタデータ） (2025-07-22T22:31:11Z) - Towards Autonomous Micromobility through Scalable Urban Simulation [52.749987132021324]
現在のマイクロモビリティは、主に人手操作(対人・遠隔操作)に依存している。
本研究では,自律型マイクロモビリティを実現するため,スケーラブルな都市シミュレーションソリューションを提案する。
論文 参考訳（メタデータ） (2025-05-01T17:52:29Z) - MetaUrban: An Embodied AI Simulation Platform for Urban Micromobility [52.0930915607703]
最近のロボティクスとエンボディードAIの進歩により、公共の都市空間はもはや人間専用ではない。
公共の都市空間における短距離移動のためのAIによって実現されるマイクロモビリティは、将来の交通システムにおいて重要な要素である。
本稿では,AI駆動型都市マイクロモビリティ研究のための構成シミュレーションプラットフォームであるMetaUrbanを紹介する。
論文 参考訳（メタデータ） (2024-07-11T17:56:49Z) - Enhancing End-to-End Autonomous Driving with Latent World Model [78.22157677787239]
本稿では,LAW(Latent World Model)を用いたエンドツーエンド運転のための自己教師型学習手法を提案する。
LAWは、現在の特徴とエゴ軌道に基づいて将来のシーン機能を予測する。
この自己監督タスクは、知覚のない、知覚に基づくフレームワークにシームレスに統合することができる。
論文 参考訳（メタデータ） (2024-06-12T17:59:21Z) - Learning to navigate efficiently and precisely in real environments [14.52507964172957]
Embodied AIの文献は、HabitatやAI-Thorといったシミュレータで訓練されたエンドツーエンドエージェントに焦点を当てている。
本研究では,sim2realのギャップを最小限に抑えたシミュレーションにおけるエージェントのエンドツーエンドトレーニングについて検討する。
論文 参考訳（メタデータ） (2024-01-25T17:50:05Z) - Learning and Adapting Agile Locomotion Skills by Transferring Experience [71.8926510772552]
本稿では,既存のコントローラから新しいタスクを学習するために経験を移譲することで,複雑なロボティクススキルを訓練するためのフレームワークを提案する。
提案手法は,複雑なアジャイルジャンプ行動の学習,後肢を歩いたまま目標地点への移動,新しい環境への適応を可能にする。
論文 参考訳（メタデータ） (2023-04-19T17:37:54Z) - RL-DWA Omnidirectional Motion Planning for Person Following in Domestic
Assistance and Monitoring [0.5156484100374059]
支援と監視のためにフォローする人に新しいアプローチを導入する。
本手法は全方向ロボットプラットフォームを利用して線形・角速度の計算を行う。
各種屋内シナリオにおいて,実際の全方向プラットフォーム上でのナビゲーションシステムの評価を行った。
論文 参考訳（メタデータ） (2022-11-09T16:11:41Z) - Learning Social Navigation from Demonstrations with Conditional Neural
Processes [2.627046865670577]
本稿では,コンディショナル・ニューラル・プロセスを用いて,移動ロボットのグローバル・ローカル・コントローラを観測から学習するデータ駆動ナビゲーションアーキテクチャを提案する。
提案手法は,データ中の社会的規範に関するナビゲーションタスクをうまく実行できることを実証した。
論文 参考訳（メタデータ） (2022-10-07T14:37:56Z) - Learning Personalized Human-Aware Robot Navigation Using Virtual Reality
Demonstrations from a User Study [9.118706387430883]
本稿では,パーソナライズされたナビゲーションコントローラを学習するための新しい強化学習フレームワークを提案する。
実施したユーザスタディは、パーソナライズされたアプローチが古典的なアプローチよりも大幅に優れていることを示す。
我々は、性能を損なうことなくナビゲーションコントローラを実際のロボットに転送する。
論文 参考訳（メタデータ） (2022-03-28T13:31:12Z) - Learning to Move with Affordance Maps [57.198806691838364]
物理的な空間を自律的に探索し、ナビゲートする能力は、事実上あらゆる移動型自律エージェントの基本的な要件である。
従来のSLAMベースの探索とナビゲーションのアプローチは、主にシーン幾何学の活用に重点を置いている。
学習可能な余剰マップは探索と航法の両方において従来のアプローチの強化に利用でき、性能が大幅に向上することを示します。
論文 参考訳（メタデータ） (2020-01-08T04:05:11Z)
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。