論文の概要: Bi3: A Biplatform, Bicultural, Biperson Dataset for Social Robot Navigation
- arxiv url: http://arxiv.org/abs/2605.06863v1
- Date: Thu, 07 May 2026 19:05:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-11 19:43:38.56615
- Title: Bi3: A Biplatform, Bicultural, Biperson Dataset for Social Robot Navigation
- Title（参考訳）: Bi3: ソーシャルロボットナビゲーションのためのバイプラットフォーム、バイカルチャー、バイパーのデータセット
- Authors: Andrew Stratton, Phani Teja Singamaneni, Pranav Goyal, Rachid Alami, Christoforos Mavrogiannis,
- Abstract要約: Bi3は、制約された実験室の人々のグループ間での、ソーシャルロボットナビゲーションのデータセットである。
Bi3は、人間とロボットが、制約された環境で自分たちのアクティビティを生産的にメッシュする方法を理解するために貢献する。
- 参考スコア（独自算出の注目度）: 5.744787254146161
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We contribute Bi3, a dataset of social robot navigation among groups of people in a constrained lab space. Compared to prior data collection efforts for social robot navigation, our dataset is unique in that it features: an original experiment design giving rise to close navigation encounters between two humans and a robot; five different navigation algorithms; two different robot platforms; a diverse participant pool of 74 people recruited from two sites in the USA and France; multimodal data streams including 10.5 hours of human and robot ground-truth motion tracks, RGB video, and user impressions over robot performance. Our analysis of the collected dataset through metrics like interaction density and human velocity suggests that Bi3 represents a benchmark of unique diversity and modeling complexity. Bi3 contributes towards understanding how humans and robots can productively mesh their activities in constrained environments, and can be a resource for training models of human motion prediction and robot control policies for navigation in densely crowded spaces.
- Abstract（参考訳）: 制約された実験室内での人々のグループ間でのソーシャルロボットナビゲーションのデータセットであるBi3をコントリビュートする。
従来のデータ収集によるソーシャルロボットナビゲーションと比較して、私たちのデータセットは特徴的です。2つの人間と1つのロボット間の密接なナビゲーションに遭遇する最初の実験デザイン、5つの異なるナビゲーションアルゴリズム、2つの異なるロボットプラットフォーム、米国とフランスの2つのサイトから募集された74人の多様な参加者プール、人間とロボットの地動トラックの10.5時間を含むマルチモーダルデータストリーム、RGBビデオ、ロボットのパフォーマンスに対するユーザ印象などです。
インタラクション密度や人体速度といった指標を用いて収集したデータセットを分析してみると、Bi3はユニークな多様性とモデリングの複雑さのベンチマークであることがわかる。
Bi3は、人間とロボットが、制約された環境で生産的に活動をどのようにメッシュするかを理解するために貢献し、密集した空間でのナビゲーションのための人間の動き予測とロボット制御ポリシーのトレーニングモデルのためのリソースとなる。
関連論文リスト
- EgoVerse: An Egocentric Human Dataset for Robot Learning from Around the World [63.2070298441355]
EgoVerseは、人間のデータ駆動型ロボット学習のためのコラボレーションプラットフォームである。
1,965のタスク、240のシーン、2,087のユニークなデモを行う人間のデモの1,362時間 (80kのエピソード) をリリースします。
複数の実験室、タスク、ロボットのエボディメントにまたがって再現された実験により、人間からロボットへの移動を大規模に研究する。
論文 参考訳（メタデータ） (2026-04-08T21:27:06Z) - How Human Motion Prediction Quality Shapes Social Robot Navigation Performance in Constrained Spaces [5.744787254146161]
動的・空間的制約のある環境でのロボットナビゲーションに焦点をあてる。
ロボットナビゲーション性能に及ぼす人間の動作予測品質の影響について検討する。
主な発見は、広く採用されている平均変位誤差が、ロボットナビゲーション性能の信頼できる予測器ではないことの証拠である。
論文 参考訳（メタデータ） (2026-01-14T20:34:34Z) - Dexterity from Smart Lenses: Multi-Fingered Robot Manipulation with In-the-Wild Human Demonstrations [52.29884993824894]
自然環境で日々のタスクを行う人間から、マルチフィンガーロボットポリシーを学ぶことは、ロボットコミュニティにとって長年の大きな目標だった。
AINAは、Aria Gen 2メガネを使用して、どこでも、どこでも、あらゆる環境で収集されたデータから、マルチフィンガーポリシーを学ぶことができる。
論文 参考訳（メタデータ） (2025-11-20T18:59:02Z) - Habitat 3.0: A Co-Habitat for Humans, Avatars and Robots [119.55240471433302]
Habitat 3.0は、家庭環境における協調ロボットタスクを研究するためのシミュレーションプラットフォームである。
複雑な変形可能な体と外観と運動の多様性をモデル化する際の課題に対処する。
Human-in-the-loopインフラストラクチャは、マウス/キーボードまたはVRインターフェースを介してシミュレーションされたロボットとの実際のヒューマンインタラクションを可能にする。
論文 参考訳（メタデータ） (2023-10-19T17:29:17Z) - GNM: A General Navigation Model to Drive Any Robot [67.40225397212717]
視覚に基づくナビゲーションのための一般的な目標条件付きモデルは、多くの異なるが構造的に類似したロボットから得られたデータに基づいて訓練することができる。
ロボット間の効率的なデータ共有に必要な設計決定について分析する。
我々は、訓練されたGNMを、下四極子を含む様々な新しいロボットに展開する。
論文 参考訳（メタデータ） (2022-10-07T07:26:41Z) - 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) - Group-Aware Robot Navigation in Crowded Environments [8.154698016722815]
本稿では,深層強化学習を用いた動的グループ形成に基づく学習グループ対応ナビゲーションポリシーについて検討する。
我々は,人間集団を無視する基本方針と比較して,ロボットのナビゲーション性能が向上することを示す。
本研究は,ソーシャルナビゲーションの開発と,移動ロボットの人間環境への統合に寄与する。
論文 参考訳（メタデータ） (2020-12-22T19:04:40Z)
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。