論文の概要: E-SocialNav: Efficient Socially Compliant Navigation with Language Models

• arxiv url: http://arxiv.org/abs/2603.20664v1
• Date: Sat, 21 Mar 2026 05:39:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-24 19:11:39.026895
• Title: E-SocialNav: Efficient Socially Compliant Navigation with Language Models
• Title（参考訳）: E-SocialNav: 言語モデルによる効果的なソーシャルコンピテントナビゲーション
• Authors: Ling Xiao, Daeun Song, Xuesu Xiao, Toshihiko Yamasaki,
• Abstract要約: 言語モデル(LM)はロボットナビゲーションにますます応用されている。 既存のベンチマークは主にナビゲーションの成功率を強調し、社会的コンプライアンスに注意を払っている。 E-SocialNavは、社会に適応したナビゲーションのための効率的なLMである。
• 参考スコア（独自算出の注目度）: 33.58546605940754
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Language models (LMs) are increasingly applied to robotic navigation; however, existing benchmarks primarily emphasize navigation success rates while paying limited attention to social compliance. Moreover, relying on large-scale LMs can raise efficiency concerns, as their heavy computational overhead leads to slower response times and higher energy consumption, making them impractical for real-time deployment on resource-constrained robotic platforms. In this work, we evaluate the social compliance of GPT-4o and Claude in robotic navigation and propose E-SocialNav, an efficient LM designed for socially compliant navigation. Despite being trained on a relatively small dataset, E-SocialNav consistently outperforms zero-shot baselines in generating socially compliant behaviors. By employing a two-stage training pipeline consisting of supervised fine-tuning followed by direct preference optimization, E-SocialNav achieves strong performance in both text-level semantic similarity to human annotations and action accuracy. The source code is available at https://github.com/Dr-LingXiao/ESocialNav.
• Abstract（参考訳）: 言語モデル(LM)はロボットナビゲーションにますます適用されているが、既存のベンチマークは主にナビゲーションの成功率を強調し、社会的コンプライアンスに注意を払っている。 さらに、大規模LMを頼りにすることで、計算オーバーヘッドが大きいことで応答時間が遅くなり、エネルギー消費が増加するため、リソース制約されたロボットプラットフォームへのリアルタイムデプロイには実用的ではないため、効率上の懸念が生じる可能性がある。 本研究では,ロボットナビゲーションにおけるGPT-4oとClaudeの社会的コンプライアンスを評価し,社会に適応したナビゲーションのための効率的なLMであるE-SocialNavを提案する。 比較的小さなデータセットでトレーニングされているにもかかわらず、E-SocialNavは、社会的に準拠する振る舞いを生成するため、ゼロショットベースラインを一貫して上回っている。 教師付き微調整と直接選好最適化を組み合わせた2段階のトレーニングパイプラインを使用することで、E-SocialNavは、人間のアノテーションやアクション精度とテキストレベルのセマンティックな類似性の両方において、強力なパフォーマンスを実現している。 ソースコードはhttps://github.com/Dr-LingXiao/ESocialNav.comで入手できる。

関連論文リスト

• SocialNav-MoE: A Mixture-of-Experts Vision Language Model for Socially Compliant Navigation with Reinforcement Fine-Tuning [6.245382633570723]
  人間の快適さ、社会的規範、文脈的適切さを考慮に入れた社会に順応したナビゲーションはいまだに探索されていない。 そこで我々は,ソーシャルに適合したナビゲーションと強化微調整のための,効率的なMixture-of-Experts視覚言語モデルSocialNav-MoEを提案する。 SNEIデータセットの実験では、SocialNav-MoEはナビゲーションの精度と効率のバランスが良好であることを実証している。
  論文  参考訳（メタデータ） (2025-12-15T14:21:15Z)
• LISN: Language-Instructed Social Navigation with VLM-based Controller Modulating [47.62872797480247]
  LISN-Benchは,言語指導型ソーシャルナビゲーションのシミュレーションに基づく最初のベンチマークである。 VLMエージェントがコストマップとコントローラパラメータを変調する高速な階層システムであるSocial-Nav-Modulatorを提案する。 本手法は,最も競争力のあるベースラインよりも63%以上高い91.3%の平均成功率を達成する。
  論文  参考訳（メタデータ） (2025-12-10T18:54:30Z)
• Hyp2Nav: Hyperbolic Planning and Curiosity for Crowd Navigation [58.574464340559466]
  我々は,群集ナビゲーションを実現するための双曲学習を提唱し,Hyp2Navを紹介した。 Hyp2Navは双曲幾何学の本質的な性質を活用し、ナビゲーションタスクにおける意思決定プロセスの階層的性質をよりよく符号化する。 本稿では, 効果的なソーシャルナビゲーション, 最高の成功率, 複数シミュレーション設定におけるリターンをもたらす, 双曲型ポリシーモデルと双曲型好奇性モジュールを提案する。
  論文  参考訳（メタデータ） (2024-07-18T14:40:33Z)
• Unifying Large Language Model and Deep Reinforcement Learning for Human-in-Loop Interactive Socially-aware Navigation [16.789333617628138]
  ソーシャルロボットナビゲーションプランナーは、2つの大きな課題に直面している。 本稿では,対話型対話型ソーシャル・アウェア・ナビゲーションフレームワークであるSALMを紹介する。 メモリ機構は、時間データを連続的な改善のためにアーカイブし、多段階のグラフは推論に基づく大規模言語フィードバックモデルが両方の計画手法の強みを適応的に融合させる。
  論文  参考訳（メタデータ） (2024-03-22T23:12:28Z)
• 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)
• SocNavGym: A Reinforcement Learning Gym for Social Navigation [0.0]
  SocNavGymは、ソーシャルナビゲーションのための高度なシミュレーション環境である。 さまざまなタイプのソーシャルナビゲーションシナリオを生成することができる。 また、さまざまな手作りとデータ駆動のソーシャル報酬信号を扱うように設定することもできる。
  論文  参考訳（メタデータ） (2023-04-27T11:29:02Z)
• 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)

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。