論文の概要: Beyond Collision Avoidance: Multi-Robot Yielding and Spatial Affordance in Emergency Evacuations
- arxiv url: http://arxiv.org/abs/2605.16115v1
- Date: Fri, 15 May 2026 16:00:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-18 17:44:16.350466
- Title: Beyond Collision Avoidance: Multi-Robot Yielding and Spatial Affordance in Emergency Evacuations
- Title（参考訳）: 衝突回避を超えて - 緊急避難時のマルチロボット収量と空間収量-
- Authors: Ning Zhou, Edmund R. Hunt, Nikolai W. F. Bode,
- Abstract要約: 既存のマルチロボット生産戦略は、衝突回避とマクロフローの最適化にのみ焦点をあてることが多い。
閉廊下を横断する4つのマルチロボット収量戦略(Hide, LineEscape, Freeze, ShortestPath)に対する個人の心理的反応を検討した。
環境の余裕が認知的期待を大いに形作っていることがわかった。
今後は、ロボット群と歩行者群との複雑な相互作用を調べるために、このフレームワークを拡張する予定だ。
- 参考スコア（独自算出の注目度）: 3.1839460378035596
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: As mobile service robots increasingly coexist with pedestrians, ensuring passively safe behaviour during confined emergency evacuations is critical. Existing multi-robot yielding strategies often focus solely on collision avoidance and macroscopic flow optimisation, overlooking environmental affordances and human spatial expectations. To bridge the gap between macroscopic theory and micro-level perception, we conducted a game-based virtual evacuation experiment (N=56). We investigated individual psychological responses to four multi-robot yielding strategies (Hide, LineEscape, Freeze, ShortestPath) across confined corridors with and without refuge niches. Our results establish a robust preference hierarchy (Hide > LineEscape > Freeze > ShortestPath), demonstrating that proactive space-yielding significantly outperforms freezing and efficiency-first approaches. Crucially, we found that environmental affordances heavily shape cognitive expectations. Actively utilising available niches amplifies the psychological comfort of proactive yielding (Hide). Conversely, failing to use an obvious niche (e.g., executing LineEscape) may trigger Expectation Violation. This is reflected in a drastically increased perceived cognitive delay, despite objectively unimpeded trajectories. Furthermore, prior robot interaction experience helps users decode complex social intents. Ultimately, this research demonstrates that safe human-robot interaction during emergencies must evolve from pure trajectory optimisation to semantically aware navigation. Future work will extend this framework to investigate complex interactions between robot swarms and pedestrian crowds.
- Abstract（参考訳）: モバイルサービスロボットが歩行者と共存する傾向にあるため、緊急避難時の受動的に安全な行動を確保することが重要である。
既存のマルチロボット生産戦略は、衝突回避とマクロフローの最適化にのみ焦点を合わせ、環境の余裕や人間の空間的な期待を見越すことが多かった。
マクロ理論とマイクロレベルの知覚のギャップを埋めるために,ゲームベース仮想避難実験(N=56)を行った。
本研究は, 密閉廊下における4つのマルチロボット生産戦略(Hide, LineEscape, Freeze, ShortestPath)に対する個人の心理的反応を検討した。
以上の結果から, 積極的空間収量化が凍結と効率優先のアプローチを著しく上回ることを示す, 堅牢な選好階層(Hide > LineEscape > Freeze > ShortestPath)を確立した。
重要なことに、環境の余裕が認知的な期待を大いに形作っていることがわかりました。
利用可能なニッチをアクティブに活用することは、積極的収量(Hide)の心理的快適さを増幅する。
逆に、明らかにニッチ(LineEscapeの実行など)を使用していないと、期待違反を引き起こす可能性がある。
これは、客観的に意図しない軌跡にもかかわらず、認識遅延が劇的に増加することに反映される。
さらに、事前のロボットインタラクション体験は、複雑な社会的意図をデコードするのに役立ちます。
究極的には、緊急時の安全な人間とロボットの相互作用は、純粋な軌道最適化から意味論的に認識されたナビゲーションへと進化する必要があることを実証する。
今後は、ロボット群と歩行者群との複雑な相互作用を調べるために、このフレームワークを拡張する予定だ。
関連論文リスト
- Learn Weightlessness: Imitate Non-Self-Stabilizing Motions on Humanoid Robot [56.377161933570335]
人間は自然に非自己安定化(NSS)運動中に「無重力」状態を利用する。
この生物学的メカニズムに着想を得て,データセットのアノテーションに対する無重力自動ラベル方式を提案する。
我々の研究は、正確な軌道追跡と適応的な環境相互作用のギャップを埋め、接触リッチなヒューマノイド制御のための生物学的にインスパイアされたソリューションを提供する。
論文 参考訳（メタデータ） (2026-04-23T07:10:05Z) - SocialMirror: Reconstructing 3D Human Interaction Behaviors from Monocular Videos with Semantic and Geometric Guidance [49.69016078147708]
密接な相互作用シナリオにおける人間の行動の正確な再構築は、拡張現実における現実的な仮想インタラクションの実現に不可欠である。
本稿では,これらの問題に効果的に対処するための意味的および幾何学的手がかりを統合する拡散ベースのフレームワークであるSocialMirrorを提案する。
SocialMirrorはインタラクティブなヒューマンメッシュを再構築する上で,最先端のパフォーマンスを実現している。
論文 参考訳（メタデータ） (2026-04-15T07:41:52Z) - HAIC: Humanoid Agile Object Interaction Control via Dynamics-Aware World Model [56.4392302336014]
本稿では,外部状態推定を伴わない多種多様なオブジェクトダイナミクス間のロバストな相互作用のためのフレームワークであるHAICを提案する。
我々の重要な貢献は、主観的歴史のみから高次対象状態(速度、加速度)を推定するダイナミクス予測器である。
ヒューマノイドロボットの実験では、HAICはアジャイルタスクで高い成功率を達成する。
論文 参考訳（メタデータ） (2026-02-12T09:34:35Z) - From Obstacles to Etiquette: Robot Social Navigation with VLM-Informed Path Selection [57.74400052368147]
本稿では,幾何学的計画と文脈的社会的推論を統合した社会ロボットナビゲーションフレームワークを提案する。
このシステムはまず障害物や人間の力学を抽出し、幾何学的に実現可能な候補経路を生成し、次に細調整された視覚言語モデル(VLM)を利用してこれらの経路を評価する。
4つのソーシャルナビゲーション環境における実験により, 生活空間違反の最小期間, 歩行者面の最小時間, 社会ゾーンの侵入がない場合に, ベストな総合的なパフォーマンスを達成できることが実証された。
論文 参考訳（メタデータ） (2026-02-09T18:46:12Z) - HiCrowd: Hierarchical Crowd Flow Alignment for Dense Human Environments [10.24762051200189]
HiCrowdは、強化学習とモデル予測制御を統合する階層的なフレームワークである。
高レベルのRLポリシーは、ロボットを適切な歩行者グループに合わせるための追従ポイントを生成し、低レベルのMPCは、短い地平線計画でこのガイダンスを安全に追跡する。
本研究は,人体を動的障害物としてのみ扱うのではなく,人体の動きをガイダンスとして活用することが,人体における安全かつ効率的なロボットナビゲーションの強力な原則であることを示唆している。
論文 参考訳（メタデータ） (2026-02-05T12:46:37Z) - HEIGHT: Heterogeneous Interaction Graph Transformer for Robot Navigation in Crowded and Constrained Environments [13.574462966591199]
廊下や家具などの環境制約のある密集した対話型群集におけるロボットナビゲーションの問題点について検討する。
従来の手法ではエージェントと障害物間のあらゆる種類の相互作用を考慮できないため、安全で非効率なロボット経路につながる。
本稿では,ロボットナビゲーションポリシーを強化学習で学習するための構造化フレームワークを提案する。
論文 参考訳（メタデータ） (2024-11-19T00:56:35Z) - Robot Navigation with Entity-Based Collision Avoidance using Deep Reinforcement Learning [0.0]
本稿では,ロボットナビゲーションと各種エージェントや障害物とのインタラクションを改善するための,新しい深層強化学習手法を提案する。
このアプローチでは、エンティティタイプに関する情報を使用し、衝突回避を改善し、より安全なナビゲーションを確保する。
ロボットに近づいたり、異なる物体と衝突したりすることを罰する新たな報酬関数を導入する。
論文 参考訳（メタデータ） (2024-08-26T11:16:03Z) - Learning to Plan Optimistically: Uncertainty-Guided Deep Exploration via
Latent Model Ensembles [73.15950858151594]
本稿では,不確実な長期報酬に直面した最適化による深層探査を可能にするLOVE(Latent Optimistic Value Exploration)を提案する。
潜在世界モデルと値関数推定を組み合わせ、無限水平リターンを予測し、アンサンブルにより関連する不確実性を回復する。
連続行動空間における視覚ロボット制御タスクにLOVEを適用し、最先端や他の探査目標と比較して、平均20%以上のサンプル効率の改善を実証する。
論文 参考訳（メタデータ） (2020-10-27T22:06:57Z) - Risk-Sensitive Sequential Action Control with Multi-Modal Human
Trajectory Forecasting for Safe Crowd-Robot Interaction [55.569050872780224]
本稿では,リスクに敏感な最適制御に基づく安全な群集ロボットインタラクションのためのオンラインフレームワークを提案し,そのリスクをエントロピーリスク尺度でモデル化する。
私たちのモジュラーアプローチは、クラウドとロボットの相互作用を学習ベースの予測とモデルベースの制御に分離します。
シミュレーション研究と実世界の実験により、このフレームワークは、現場にいる50人以上の人間との衝突を避けながら、安全で効率的なナビゲーションを実現することができることが示された。
論文 参考訳（メタデータ） (2020-09-12T02:02:52Z)
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。