論文の概要: Congestion-Aware Robot Tour Planning in Crowded Environments

• arxiv url: http://arxiv.org/abs/2606.19031v1
• Date: Wed, 17 Jun 2026 12:58:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-18 17:16:51.16851
• Title: Congestion-Aware Robot Tour Planning in Crowded Environments
• Title（参考訳）: 群集環境における混雑型ロボットツアー計画
• Authors: Stefano Bernagozzi, Charlie Street, Masoumeh Mansouri, Lorenzo Natale,
• Abstract要約: 混み合った環境では、人間の存在がロボットのパフォーマンスに悪影響を及ぼす可能性がある。 例えば、人間はロボットの衝突回避操作を起動し、ロボットを減速させる。 混み合った環境に対する確率的ツアープランナを提示する。
• 参考スコア（独自算出の注目度）: 4.224343564886024
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Autonomous mobile service robots are often required to complete tours that require navigating through a set of locations in an environment. Example domains include guiding people through a shopping mall, delivering packages in a fulfilment centre, or giving guided tours in a museum. However, in crowded environments, the presence of people may negatively impact robot performance. For example, humans will activate robot collision avoidance manoeuvres that slow the robot down. Crowds move stochastically and vary throughout the day. In this paper we present a probabilistic tour planner for crowded environments which explicitly reasons over human congestion. We learn circular linear flow field (CLiFF) maps which predict human trajectories given an initial observation. We then use these predictions to build and solve a Markov decision process online which efficiently routes the robot through the environment. Our approach is scalable enough to re-plan as new people are observed. We evaluate our approach on a real-world crowd dataset in a shopping mall.
• Abstract（参考訳）: 自律型モバイルサービスロボットは、環境内の一連の場所をナビゲートする必要があるツアーを完了するためにしばしば必要となる。 例えば、ショッピングモールで人々を案内したり、フルフィルメントセンターで荷物を配達したり、博物館でガイド付きツアーを行ったりしている。 しかし、混み合った環境では、人間の存在がロボットのパフォーマンスに悪影響を及ぼす可能性がある。 例えば、人間はロボットの衝突回避操作を起動し、ロボットを減速させる。 群衆は確率的に動き、一日を通して変化する。 本稿では,人混みの理由を明示した混み環境のための確率的ツアープランナを提案する。 初期観測から人体軌道を予測できる円形線形流れ場(CLiFF)を学習する。 次に、これらの予測を用いて、オンラインのマルコフ決定プロセスを構築し、解決する。 私たちのアプローチは、新しい人々が観察されるにつれて、再計画するのに十分な拡張性を持っています。 ショッピングモールにおける実世界の群衆データセットに対する我々のアプローチを評価する。

関連論文リスト

• EgoHumanoid: Unlocking In-the-Wild Loco-Manipulation with Robot-Free Egocentric Demonstration [67.13034606664333]
  EgoHumanoidは、エゴセントリックな人間のデモを使って視覚言語アクションポリシーを共同訓練する最初のフレームワークである。 スケーラブルな人的データ収集のためのポータブルシステムを開発した。
  論文  参考訳（メタデータ） (2026-02-10T18:59:03Z)
• 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)
• Self-supervised cost of transport estimation for multimodal path planning [5.097982452032821]
  本研究では,ロボットが周囲の移動コストを見積もることができる自己教師型学習手法を開発した。 本手法は,マルチモーダルモビリティ・モルフォボット(M4)に応用し,その環境を走行・飛行・セグウェイ・クロールするロボットに適用する。 本稿では,Nvidia Jetson Orin Nano ロボット・コンピュータ・ユニットに実装した低計算コストについて述べる。
  論文  参考訳（メタデータ） (2024-12-08T23:02:35Z)
• Commonsense Reasoning for Legged Robot Adaptation with Vision-Language Models [81.55156507635286]
  脚のついたロボットは、様々な環境をナビゲートし、幅広い障害を克服することができる。 現在の学習手法は、人間の監督を伴わずに、予期せぬ状況の長い尾への一般化に苦慮することが多い。 本稿では,VLM-Predictive Control (VLM-PC) というシステムを提案する。
  論文  参考訳（メタデータ） (2024-07-02T21:00:30Z)
• Track2Act: Predicting Point Tracks from Internet Videos enables Generalizable Robot Manipulation [65.46610405509338]
  我々は、ゼロショットロボット操作を可能にする汎用的な目標条件ポリシーを学習することを目指している。 私たちのフレームワークであるTrack2Actは、ゴールに基づいて将来のタイムステップで画像内のポイントがどのように動くかを予測する。 学習したトラック予測を残留ポリシーと組み合わせることで,多種多様な汎用ロボット操作が可能となることを示す。
  論文  参考訳（メタデータ） (2024-05-02T17:56:55Z)
• Robot Learning with Sensorimotor Pre-training [98.7755895548928]
  ロボット工学のための自己教師型感覚運動器事前学習手法を提案する。 我々のモデルはRTTと呼ばれ、センサモレータトークンのシーケンスで動作するトランスフォーマーである。 感覚運動の事前学習は、ゼロからトレーニングを一貫して上回り、優れたスケーリング特性を持ち、さまざまなタスク、環境、ロボット間での移動を可能にしている。
  論文  参考訳（メタデータ） (2023-06-16T17:58:10Z)
• Real-World Humanoid Locomotion with Reinforcement Learning [92.85934954371099]
  実世界におけるヒューマノイド移動に対する完全学習型アプローチを提案する。 コントローラーは様々な屋外の地形の上を歩けるし、外乱に対して頑丈で、状況に応じて適応できる。
  論文  参考訳（メタデータ） (2023-03-06T18:59:09Z)
• Dense Crowd Flow-Informed Path Planning [24.849908664615104]
  フローフィールド抽出と離散探索は、フローインフォームドパス計画を作成するために使用される。 FIPPを用いたロボットはゴールを素早く達成できただけでなく、従来の技術を用いたロボットよりも社会的に適合していることが判明した。
  論文  参考訳（メタデータ） (2022-06-01T18:40:57Z)
• What we see and What we don't see: Imputing Occluded Crowd Structures from Robot Sensing [7.6272993984699635]
  我々は,ロボットの周囲の空間,盲点における人間の占有度を,その知覚能力の範囲を超えて推定する問題に対処する。 この問題は、ロボットの群集のナビゲーション効率と安全性に重要な影響を与えているにもかかわらず、まだ解明されていない。
  論文  参考訳（メタデータ） (2021-09-17T12:12:13Z)
• Minimizing Robot Navigation-Graph For Position-Based Predictability By Humans [20.13307800821161]
  人間とロボットが同じ空間を移動しながら独自のタスクを遂行している状況では、予測可能な経路が不可欠である。 ロボットの数が増加するにつれて、人間がロボットの進路を予測するための認知的努力は不可能になる。 そこで本研究では,位置に基づく予測可能性のために,ロボットのナビゲーショングラフを最小化することを提案する。
  論文  参考訳（メタデータ） (2020-10-28T22:09:10Z)

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。