論文の概要: CANINE: Coaching Visually Impaired Users for Interactive Navigation with a Robot Guide Dog

• arxiv url: http://arxiv.org/abs/2605.19501v1
• Date: Tue, 19 May 2026 07:52:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-20 15:03:09.194654
• Title: CANINE: Coaching Visually Impaired Users for Interactive Navigation with a Robot Guide Dog
• Title（参考訳）: CANINE:ロボットガイド犬と対話ナビゲーションのための視覚障害者のコーチング
• Authors: Cunjun Yu, Zishuo Wang, Anxing Xiao, Linfeng Li, David Hsu,
• Abstract要約: CANINEは、ロボットガイド犬と対話的なナビゲーションのためにユーザーを訓練する自動コーチングシステムである。 複雑な調整タスクをサブスキルに分解し、2つのレベルで動作する。 制御された研究によると、CANINEは学習効率と最終ナビゲーション性能の両方を著しく改善する。
• 参考スコア（独自算出の注目度）: 21.615817274710597
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Robot guide dogs offer navigation assistance that greatly expands the independent mobility of the visually impaired, but their effective use requires subtle human-robot coordination that is difficult for users to learn from generic verbal instructions. To tackle this challenge, we present CANINE, an automated coaching system that trains users for interactive navigation with a robot guide dog, through personalized, adaptive verbal feedback. CANINE decomposes a complex coordination task into sub-skills and operates at two levels. At the high level, it decides what to train by tracking the learner's proficiency across sub-skills using knowledge tracing and prioritizing training on the weakest areas. At the low level, CANINE decides how to train each sub-skill by observing each human practice episode, using foundation models to infer the underlying causes of errors, and generating targeted verbal corrections adaptively. A controlled study with blindfolded participants, treated as a proxy population for quantitative evaluation, demonstrates that CANINE significantly improves both learning efficiency and final navigation performance compared to generic verbal instructions. We further validate CANINE through a retention study and an exploratory case study. The retention study shows lasting skill improvement after two weeks. The case study confirms CANINE's effectiveness in training a visually impaired user, while revealing additional design considerations for real-world deployment. Both are well aligned with the findings of the controlled study. Project page: https://cunjunyu.github.io/project/canine/
• Abstract（参考訳）: ロボットガイドドッグは、視覚障害者の独立したモビリティを大幅に拡張するナビゲーション支援を提供するが、その効果的な使用には、ユーザーが一般的な言葉の指示から学ぶのが難しい微妙な人間とロボットの調整が必要である。 この課題に対処するため,ロボットガイド犬と対話的なナビゲーションを行う自動コーチングシステムであるCANINEについて,パーソナライズされた適応型言語フィードバックを用いて紹介する。 CANINEは複雑な調整タスクをサブスキルに分解し、2レベルで動作する。 高レベルでは、知識追跡と最弱領域での訓練の優先順位付けを用いて、サブスキルをまたいだ学習者の習熟度を追跡することで、何を学ぶかを決定する。 低レベルにおいて、CANINEは、人間の練習エピソードを観察し、基礎モデルを用いて、エラーの原因を推測し、ターゲットの言語修正を適応的に生成することにより、各サブスキルのトレーニング方法を決定する。 定量的評価のための代用集団として扱われるブラインドフォールド参加者による対照研究は、CANINEが汎用的な言語指導と比較して学習効率と最終ナビゲーション性能の両方を著しく改善することを示した。 さらに,保存研究と探索事例研究を通じてCANINEを検証した。 保存調査では,2週間後の持続的スキル改善が示された。 ケーススタディでは、CANINEが視覚障害のあるユーザをトレーニングする上で有効であることを確認し、実際のデプロイメントに対するさらなる設計上の考慮を明らかにした。 どちらも対照研究の結果とよく一致している。 プロジェクトページ: https://cunjunyu.github.io/project/canine/

関連論文リスト

• From Woofs to Words: Towards Intelligent Robotic Guide Dogs with Verbal Communication [6.5337939793709445]
  ロボットガイドドッグ(英: robotic guide dog)は、障害物回避とナビゲーションにおいて視覚障害者を支援する四足歩行ロボットである。 LLMを用いてナビゲーション計画とシーンの両方を言語化するロボットガイド犬のための新しい対話システムを開発した。
  論文  参考訳（メタデータ） (2026-03-13T02:11:00Z)
• GuideNav: User-Informed Development of a Vision-Only Robotic Navigation Assistant For Blind Travelers [14.840633179067295]
  GuideNavは視覚のみの、教習と繰り返しのナビゲーションシステムである。 GuideNavは、ガイド犬を訓練し、ハンドラーを補助する方法に触発され、視覚障害者がロボットを使って示す道を自律的に繰り返す。 野外試験では、ガイドナブは5つの屋外環境にまたがるキロスケールのルートを一貫して達成した。
  論文  参考訳（メタデータ） (2025-12-05T20:57:48Z)
• Self-Improving Robots: End-to-End Autonomous Visuomotor Reinforcement Learning [54.636562516974884]
  模倣と強化学習において、人間の監督コストは、ロボットが訓練できるデータの量を制限する。 本研究では,自己改善型ロボットシステムのための新しい設計手法であるMEDAL++を提案する。 ロボットは、タスクの実施と解除の両方を学ぶことで、自律的にタスクを練習し、同時にデモンストレーションから報酬関数を推論する。
  論文  参考訳（メタデータ） (2023-03-02T18:51:38Z)
• "No, to the Right" -- Online Language Corrections for Robotic Manipulation via Shared Autonomy [70.45420918526926]
  LILACは、実行中に自然言語の修正をオンラインで実施し、適応するためのフレームワークである。 LILACは人間とロボットを個別にターンテイクする代わりに、人間とロボットの間にエージェンシーを分割する。 提案手法は,タスク完了率が高く,ユーザによって主観的に好まれることを示す。
  論文  参考訳（メタデータ） (2023-01-06T15:03:27Z)
• System Configuration and Navigation of a Guide Dog Robot: Toward Animal Guide Dog-Level Guiding Work [8.775408795666477]
  ロボットガイドドッグは、コスト効率、大量生産の可能性、メンテナンスコストの低い動物ガイド犬に対して、強力なアドバンテージを持っている。 ガイドドッグハンドラとガイドドッグがナビゲーションのチームとしてどのように機能するかについては,これまでほとんど,あるいは全く考慮されていなかった。 本研究では,環境に関するセマンティック情報を活用することで,安全かつ効率的な案内作業を可能にするセマンティック・アウェア・ローカル・パス・プランナを提案する。
  論文  参考訳（メタデータ） (2022-10-24T16:11:20Z)
• Human Decision Makings on Curriculum Reinforcement Learning with Difficulty Adjustment [52.07473934146584]
  我々は,カリキュラム強化学習結果を,人的意思決定プロセスから学ぶことで,難しすぎず,難しすぎるような望ましいパフォーマンスレベルに導く。 本システムは非常に並列化可能であり,大規模強化学習アプリケーションの訓練が可能となる。 強化学習性能は、人間の所望の難易度と同期してうまく調整できることが示される。
  論文  参考訳（メタデータ） (2022-08-04T23:53:51Z)
• Two Approaches to Building Collaborative, Task-Oriented Dialog Agents through Self-Play [18.88705140683795]
  タスク指向のダイアログシステムは、Wizard-of-Ozインタフェースから収集されたような人間/人間のダイアログに基づいて訓練されることが多い。 本稿では,API環境を自律的に探索するセルフプレイを通じて,エージェントボットとユーザボットを訓練する2つのアプローチについて検討する。
  論文  参考訳（メタデータ） (2021-09-20T14:52:25Z)
• Adversarial Reinforced Instruction Attacker for Robust Vision-Language Navigation [145.84123197129298]
  自然言語に基づくナビゲーションタスクでは,言語指導が重要な役割を担っている。 より堅牢なナビゲータを訓練し、長い指導から重要な要素を動的に抽出する。 具体的には,航法士が間違った目標に移動することを誤認することを学習する動的強化命令攻撃装置(DR-Attacker)を提案する。
  論文  参考訳（メタデータ） (2021-07-23T14:11:31Z)
• PEBBLE: Feedback-Efficient Interactive Reinforcement Learning via Relabeling Experience and Unsupervised Pre-training [94.87393610927812]
  我々は、フィードバックと非政治学習の両方の長所を生かした、非政治的、インタラクティブな強化学習アルゴリズムを提案する。 提案手法は,従来ヒト・イン・ザ・ループ法で検討されていたよりも複雑度の高いタスクを学習可能であることを実証する。
  論文  参考訳（メタデータ） (2021-06-09T14:10:50Z)
• Assisted Perception: Optimizing Observations to Communicate State [112.40598205054994]
  我々は、ロボット遠隔操作や視覚障害のあるナビゲーションといったタスクにおいて、ユーザが世界の状態を見積もるのを支援することを目的としている。 ユーザによって処理された場合、より正確な内部状態推定につながる新しい観測結果を合成する。
  論文  参考訳（メタデータ） (2020-08-06T19:08:05Z)

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。