論文の概要: Act on What You See: Unlocking Safe Social Navigation in Vision-Language-Action Models

• arxiv url: http://arxiv.org/abs/2606.10495v1
• Date: Tue, 09 Jun 2026 07:18:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-11 16:42:37.997933
• Title: Act on What You See: Unlocking Safe Social Navigation in Vision-Language-Action Models
• Title（参考訳）: 視覚・言語・アクションモデルにおける安全なソーシャルナビゲーションのロック解除法
• Authors: Qingzi Wang, Xiyang Wu, Guangyao Shi, Dianwei Chen, Xianfeng Yang, Dinesh Manocha,
• Abstract要約: 事前学習された視覚・言語・行動モデルは既に歩行者・物体の区別と将来の衝突信号を内部表現にエンコードしていることを示す。 SALSAは2段階のアノテーションのないポストトレーニングフレームワークである。 SCANDおよび実世界の展開において、SALSAは近距離衝突を86.4%削減し、社会的反事実の精度を53%から93%に改善する。
• 参考スコア（独自算出の注目度）: 42.84072399565553
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Safe social navigation requires robots to distinguish people from ordinary obstacles and to react before danger becomes imminent. We show that pretrained Vision-Language-Action (VLA) models already encode pedestrian-object distinctions and future collision signals in their internal representations, but behavior cloning fails to translate these signals into socially appropriate actions. To address this mismatch, we propose SALSA, a two-stage annotation-free post-training framework: (1) social behavioral alignment bridges intermediate-layer social features to the action head and trains on counterfactual human-object scene pairs to break visual saliency shortcuts; (2) temporal safety alignment provides automatically generated future-risk supervision to enable anticipatory collision avoidance. On SCAND and real-world deployment, SALSA reduces near-collisions by 86.4% and improves social counterfactual accuracy from 53% to 93%, demonstrating that safer social navigation can be achieved by teaching VLA policies to act on representations they already possess. These results show that pretrained VLA policies can be adapted for safer social navigation by better aligning their latent representations with action generation.
• Abstract（参考訳）: 安全なソーシャルナビゲーションには、ロボットが通常の障害物から人々を区別し、危険が迫る前に反応する必要がある。 事前に訓練された視覚・言語・アクション(VLA)モデルでは,すでに歩行者と物体の区別や将来の衝突信号が内部表現に符号化されているが,行動クローニングではこれらの信号を社会的に適切な行動に変換することができない。 このミスマッチに対処するために,SALSAという2段階のアノテーションのないポストトレーニングフレームワークを提案する。(1) 社会的行動アライメントはアクションヘッドに中間層の社会的特徴をブリッジし,対実的な人間と物体のシーンペアを訓練して視覚的サプライアンスショートカットを壊す。(2) 時間的安全アライメントは,予測衝突回避のために自動生成される将来リスク監視を提供する。 SCANDと現実世界の展開では、SALSAは近距離衝突を86.4%削減し、社会的反ファクトの精度を53%から93%に改善し、すでに保有している表現に対して行動するためのVLAポリシーを教えることで、より安全なソーシャルナビゲーションを実現できることを示した。 これらの結果から, 事前学習したVLAポリシーは, より安全なソーシャルナビゲーションに適応できることが示唆された。

関連論文リスト

• VLESA: Vision-Language Embodied Safety Agent for Human Activity Monitoring [60.53395558502203]
  Vision-Language Embodied Safety Agent (VLESA)は、自我中心のビデオから人間の活動を監視する。 VLESAは、コンテキストに応じて同一のアクションが安全または危険である意図に依存した安全性に対処する。 目標を共同で推測し,映像から将来の行動を予測するための意図-行動予測エージェントを提案する。
  論文  参考訳（メタデータ） (2026-06-02T17:42:17Z)
• 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)
• Learning to Navigate Socially Through Proactive Risk Perception [28.68878818274302]
  IROS 2025 RoboSense Challenge Social Navigation Trackについて述べる。 このトラックは、RGBDベースの知覚とナビゲーションシステムの開発に焦点を当てている。 本稿では,社会的ナビゲーション性能を高めるための能動的リスク認識モジュールを提案する。
  論文  参考訳（メタデータ） (2025-10-09T07:22:12Z)
• Oyster-I: Beyond Refusal -- Constructive Safety Alignment for Responsible Language Models [93.5740266114488]
  コンストラクティブ・セーフティ・アライメント(CSA)は、悪意のある誤用を防ぎつつ、脆弱性のあるユーザを安全で有益な結果へと積極的に誘導する。 Oy1は、高度な汎用能力を保ちながら、オープンモデル間の最先端の安全性を達成する。 私たちは、責任あるユーザ中心AIをサポートするために、Oy1、コード、ベンチマークをリリースしています。
  論文  参考訳（メタデータ） (2025-09-02T03:04:27Z)
• SoNIC: Safe Social Navigation with Adaptive Conformal Inference and Constrained Reinforcement Learning [26.554847852013737]
  SoNICは適応型共形推論と制約付き強化学習を統合する最初のアルゴリズムである。 本手法は,従来の最先端RL法よりも11.67%高い96.93%の成功率を達成する。 実験により,疎密な群集と密集した群集の両方と相互作用して,堅牢で社会的に礼儀正しく意思決定できることを示した。
  論文  参考訳（メタデータ） (2024-07-24T17:57:21Z)

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。