論文の概要: LiDAR-based Crowd Navigation with Visible Edge Group Representation
- arxiv url: http://arxiv.org/abs/2604.16741v1
- Date: Fri, 17 Apr 2026 23:13:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-28 14:08:45.870046
- Title: LiDAR-based Crowd Navigation with Visible Edge Group Representation
- Title（参考訳）: 可視エッジグループ表現を用いたLiDARによるクラウドナビゲーション
- Authors: Allan Wang, Aaron Steinfeld,
- Abstract要約: グループ予測精度は,混み合った環境でのみナビゲーション性能に影響を及ぼすことを示す。
また、シミュレーション実験により、簡易なグループ表現と統合されたナビゲーションフレームワークが、安全性と社会性の観点から相対的に機能することを実証した。
我々は現実のロボットにナビゲーションフレームワークを配置し、現実の世界でグループベースの表現を実践的に展開する利点を探求する。
- 参考スコア（独自算出の注目度）: 5.131929414181801
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Robot navigation in crowded pedestrian environments is a well-known challenge and we explore the practical deployment of group-based representations in this setting. Pedestrian groups have been empirically shown to enable a mobile robot's navigation behavior to be safer and more social. However, existing approaches either explored groups only in limited scenarios with no high-density crowds or depended on external detection modules to track individuals, which are prone to noise and errors due to occlusions in crowds. We show that group prediction accuracy affects navigation performance only marginally in crowded environments. Based on this observation, we propose the visible edge-based group representation. We additionally demonstrate via simulation experiments that our navigation framework, integrated with the simplified group representation, performs comparatively in terms of safety and socialness in dense crowds, while achieving faster computation speed. Finally, we deploy our navigation framework on a real robot to explore the benefits of practically deploying group-based representations in the real world.
- Abstract（参考訳）: 混雑した歩行者環境におけるロボットナビゲーションは、よく知られた課題であり、この環境におけるグループベースの表現の実践的展開について検討する。
歩行者グループは、移動ロボットのナビゲーション行動がより安全で社会的なものになることを実証的に示している。
しかし、既存のアプローチでは、高密度の群衆がいない限られたシナリオでのみグループを探索するか、あるいは個人を追跡する外部検出モジュールに依存している。
グループ予測精度は,混み合った環境でのみナビゲーション性能に影響を及ぼすことを示す。
そこで本研究では,視覚的エッジに基づくグループ表現を提案する。
さらに, シミュレーション実験により, 簡易なグループ表現と統合されたナビゲーション・フレームワークが, 群集の安全性と社会性を比較検討し, 計算速度の高速化を図っている。
最後に,実世界におけるグループベース表現の実践的展開のメリットを探るため,ナビゲーションフレームワークを実際のロボットに展開する。
関連論文リスト
- ZeST: an LLM-based Zero-Shot Traversability Navigation for Unknown Environments [7.419243375193223]
ロボットを危険にさらすことなく、リアルタイムで移動可能なマップを作成するための新しいアプローチであるZeSTを提案する。
提案手法は,ゼロショットトラバーサビリティを実現し,実際のデータ収集に伴うリスクを軽減するだけでなく,高度なナビゲーションシステムの開発も促進する。
論文 参考訳（メタデータ） (2025-08-26T15:30:19Z) - Embodied Crowd Counting [86.10533153162476]
Embodied Crowd Counting (ECC)は、大規模なシーンと大規模なオブジェクト量を可能にする対話型シミュレータである。
現実的な群集分布を近似した事前確率分布を導入して群集を生成する。
この方法はMLLM駆動の粗大な航法機構を含み、Z軸探索を活発に行うことができる。
論文 参考訳（メタデータ） (2025-03-11T12:23:34Z) - NavigateDiff: Visual Predictors are Zero-Shot Navigation Assistants [24.689242976554482]
慣れ親しんだ環境をナビゲートすることは、家庭用ロボットにとって大きな課題となる。
既存の強化学習手法は、直接新しい環境に移行することはできない。
我々は、事前学習された基礎モデルの論理知識と一般化能力をゼロショットナビゲーションに転送しようと試みる。
論文 参考訳（メタデータ） (2025-02-19T17:27:47Z) - GSON: A Group-based Social Navigation Framework with Large Multimodal Model [9.94576166903495]
本稿では,新しいグループベースのソーシャルナビゲーションフレームワークであるGSONを紹介する。
GSONは視覚的プロンプトを使用して、歩行者間の社会的関係のゼロショット抽出を可能にする。
我々は、大規模な実世界の移動ロボットナビゲーション実験を通じてGSONを検証する。
論文 参考訳（メタデータ） (2024-09-26T17:27:15Z) - CorNav: Autonomous Agent with Self-Corrected Planning for Zero-Shot Vision-and-Language Navigation [73.78984332354636]
CorNavは視覚・言語ナビゲーションのための新しいゼロショットフレームワークである。
将来の計画の見直しや行動調整のための環境フィードバックが組み込まれている。
ゼロショットマルチタスク設定ですべてのベースラインを一貫して上回る。
論文 参考訳（メタデータ） (2023-06-17T11:44:04Z) - 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) - GANav: Group-wise Attention Network for Classifying Navigable Regions in
Unstructured Outdoor Environments [54.21959527308051]
本稿では,RGB画像から,オフロード地形および非構造環境における安全かつ航行可能な領域を識別する新しい学習手法を提案する。
本手法は,粒度の粗いセマンティックセグメンテーションを用いて,そのナビビリティレベルに基づいて地形分類群を分類する。
RUGD と RELLIS-3D のデータセットを広範囲に評価することにより,我々の学習アルゴリズムがナビゲーションのためのオフロード地形における視覚知覚の精度を向上させることを示す。
論文 参考訳（メタデータ） (2021-03-07T02:16:24Z) - Occupancy Anticipation for Efficient Exploration and Navigation [97.17517060585875]
そこで我々は,エージェントが自我中心のRGB-D観測を用いて,その占有状態を可視領域を超えて推定する,占有予測を提案する。
エゴセントリックなビューとトップダウンマップの両方でコンテキストを活用することで、私たちのモデルは環境のより広いマップを予測できます。
われわれのアプローチは、2020 Habitat PointNav Challengeの優勝だ。
論文 参考訳（メタデータ） (2020-08-21T03:16:51Z) - Counterfactual Vision-and-Language Navigation via Adversarial Path Sampling [65.99956848461915]
VLN(Vision-and-Language Navigation)は、エージェントが目標を達成するために3D環境を移動する方法を決定するタスクである。
VLNタスクの問題点の1つは、対話型環境において、人間に注釈を付けた指示で十分なナビゲーションパスを収集することは困難であるため、データの不足である。
本稿では,低品質な拡張データではなく,効果的な条件を考慮可能な,対向駆動の反実的推論モデルを提案する。
論文 参考訳（メタデータ） (2019-11-17T18:02:51Z)
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。