論文の概要: Empirical Prediction of Pedestrian Comfort in Mobile Robot Pedestrian Encounters

• arxiv url: http://arxiv.org/abs/2604.13677v1
• Date: Wed, 15 Apr 2026 09:56:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-16 20:38:32.476593
• Title: Empirical Prediction of Pedestrian Comfort in Mobile Robot Pedestrian Encounters
• Title（参考訳）: 移動ロボットにおける歩行者の快適性の実証予測
• Authors: Alireza Jafari, Hong-Son Nguyen, Yen-Chen Liu,
• Abstract要約: 我々は,移動ロボットと歩行者の相互作用の運動学と主観的快適性との関係を実証的に検討した。 我々は,最小距離から導かれる3つの快適な推定器/予測器,最小投影時間,複合推定器を設計する。 この研究は、より社会的に準拠したロボットのための経路プランナーに歩行者の感情を取り入れるための快適な定量化器を提供する。
• 参考スコア（独自算出の注目度）: 1.491109220586182
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Mobile robots joining public spaces like sidewalks must care for pedestrian comfort. Many studies consider pedestrians' objective safety, for example, by developing collision avoidance algorithms, but not enough studies take the pedestrian's subjective safety or comfort into consideration. Quantifying comfort is a major challenge that hinders mobile robots from understanding and responding to human emotions. We empirically look into the relationship between the mobile robot-pedestrian interaction kinematics and subjective comfort. We perform one-on-one experimental trials, each involving a mobile robot and a volunteer. Statistical analysis of pedestrians' reported comfort versus the kinematic variables shows moderate but significant correlations for most variables. Based on these empirical findings, we design three comfort estimators/predictors derived from the minimum distance, the minimum projected time-to-collision, and a composite estimator. The composite estimator employs all studied kinematic variables and reaches the highest prediction rate and classifying performance among the predictors. The composite predictor has an odds ratio of 3.67. In simple terms, when it identifies a pedestrian as comfortable, it is almost 4 times more likely that the pedestrian is comfortable rather than uncomfortable. The study provides a comfort quantifier for incorporating pedestrian feelings into path planners for more socially compliant robots.
• Abstract（参考訳）: 歩道のような公共空間に入る移動ロボットは、歩行者の快適さを気にしなければならない。 多くの研究は、衝突回避アルゴリズムを開発することで歩行者の客観的安全性を考察しているが、歩行者の主観的安全性や快適性を考慮に入れていない。 快適さの定量化は、モバイルロボットが人間の感情を理解したり反応したりするのを妨げる大きな課題である。 我々は,移動ロボットと歩行者の相互作用の運動学と主観的快適性との関係を実証的に検討した。 移動ロボットとボランティアによる1対1の実験実験を行った。 歩行者の快適さと運動変数の統計的分析は、ほとんどの変数に対して適度だが有意な相関を示す。 これらの経験的知見に基づき,最小距離から導かれる3つの快適な推定器・予測器,最小投影時間,複合推定器を設計した。 複合推定器は、すべての研究されたキネマティック変数を使用し、最も高い予測率に達し、予測器の中で性能を分類する。 複合予測器はオッズ比が3.67である。 簡単に言えば、歩行者が快適であると認識した場合、歩行者が不快であるよりも快適である可能性が約4倍高い。 この研究は、より社会的に準拠したロボットのための経路プランナーに歩行者の感情を取り入れるための快適な定量化器を提供する。

関連論文リスト

• SensHRPS: Sensing Comfortable Human-Robot Proxemics and Personal Space With Eye-Tracking [4.527641435286577]
  本研究では,ロボット「アメカ」を4つの実験的に制御した距離で使用者の快適さについて検討する。 我々は、複数の機械学習モデルとディープラーニングモデルを評価し、視線特徴に基づいて快適さを推定する。
  論文  参考訳（メタデータ） (2025-12-09T12:08:21Z)
• Social-Pose: Enhancing Trajectory Prediction with Human Body Pose [70.59399670794171]
  本研究では,人体ポーズを用いた人体軌道予測の利点について検討した。 我々は,シーン内のすべての人間のポーズとその社会的関係を効果的にキャプチャするアテンションベースのポーズエンコーダであるSocial-poseを提案する。
  論文  参考訳（メタデータ） (2025-07-30T14:58:48Z)
• Adaptive Human Trajectory Prediction via Latent Corridors [49.13061580045407]
  シーン固有の適応軌道予測の問題を定式化する。 本稿では,潜伏回廊と呼ばれる即時チューニングにインスパイアされた新しい適応手法を提案する。 0.1%の追加モデルパラメータでは、MOTシンスシミュレーションデータの改善が23.9%、MOTおよびワイルドトラックにおけるADEが16.4%となる。
  論文  参考訳（メタデータ） (2023-12-11T18:59:12Z)
• IA-LSTM: Interaction-Aware LSTM for Pedestrian Trajectory Prediction [1.3597551064547502]
  群衆シナリオにおける歩行者の軌道予測は、自動運転車や自律移動ロボットの分野において不可欠である。 従来の研究者は人間と人間の相互作用をモデル化する方法に重点を置いていたが、相互作用の相対的重要性を無視した。 人間の相互作用の相対的重要性を測定するために、コレントロピーに基づく新しいメカニズムが導入された。
  論文  参考訳（メタデータ） (2023-11-26T05:17:11Z)
• Empirical Estimates on Hand Manipulation are Recoverable: A Step Towards Individualized and Explainable Robotic Support in Everyday Activities [80.37857025201036]
  ロボットシステムの鍵となる課題は、他のエージェントの振る舞いを理解することである。 正しい推論の処理は、(衝突)因子が実験的に制御されない場合、特に困難である。 人に関する観察研究を行うために必要なツールをロボットに装備することを提案する。
  論文  参考訳（メタデータ） (2022-01-27T22:15:56Z)
• SSAGCN: Social Soft Attention Graph Convolution Network for Pedestrian Trajectory Prediction [59.064925464991056]
  ソーシャルソフトアテンショングラフ畳み込みネットワーク(SSAGCN)という新しい予測モデルを提案する。 SSAGCNは、歩行者間の社会的相互作用と歩行者と環境間のシーンインタラクションを同時に扱うことを目的としている。 公開データセットの実験は、SAGCNの有効性を証明し、最先端の結果を得た。
  論文  参考訳（メタデータ） (2021-12-05T01:49:18Z)
• Pedestrian Intention Prediction: A Multi-task Perspective [83.7135926821794]
  グローバルに展開するためには、自動運転車は歩行者の安全を保証する必要がある。 本研究は歩行者の意図と視覚状態を共同で予測することでこの問題を解決しようとするものである。 この方法はマルチタスク学習アプローチにおけるリカレントニューラルネットワークである。
  論文  参考訳（メタデータ） (2020-10-20T13:42:31Z)
• ProxEmo: Gait-based Emotion Learning and Multi-view Proxemic Fusion for Socially-Aware Robot Navigation [65.11858854040543]
  本稿では,歩行者間のロボットナビゲーションのための感情予測アルゴリズムProxEmoを提案する。 提案手法は歩行歩行から歩行者の知覚された感情を予測し,感情誘導ナビゲーションに使用する。
  論文  参考訳（メタデータ） (2020-03-02T17:47:49Z)

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。