論文の概要: GROVE: Grounded Pedestrian Simulation via Natural Language for Interactive Social Robot Navigation

• arxiv url: http://arxiv.org/abs/2606.25504v1
• Date: Wed, 24 Jun 2026 07:39:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-25 17:05:30.262949
• Title: GROVE: Grounded Pedestrian Simulation via Natural Language for Interactive Social Robot Navigation
• Title（参考訳）: GROVE:対話型社会ロボットナビゲーションのための自然言語による歩行者シミュレーション
• Abstract要約: 歩行者シミュレーションは、社会ロボットナビゲーションアプローチの訓練と展開において重要な要素である。 GROVEはテキストからシナリオまでの歩行者シミュレーションフレームワークで、最先端のアプローチを組み合わせて現実的で社会的に困難なシナリオを生成する。 人間のシミュレーションはアイザック・シム、ガゼボ、RVizシミュレータに直接統合され、高度に社会的な環境でロボットを配置する。
• 参考スコア（独自算出の注目度）: 3.066376644627784
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Pedestrian simulation is a critical component for training and deploying social robot navigation approaches, yet it remains a largely rigid system that repeatedly requires manual data generation to define even simple scenarios. We propose GROVE, a text-to-scenario pedestrian simulation framework that combines state-of-the-art approaches to produce realistic, socially challenging scenarios for social robot navigation. Our framework allows users to customize one of several common presets (emergency, queuing, normal) or even enter a fully independent prompt to generate a highly customizable pedestrian simulation. Multiple modules separately ensure the realism and soundness of long-horizon human behavior, medium-horizon pedestrian navigation, and short-horizon robot/social interactions. Each module is tuned by the prompt in a way that reflects the user intent across all aspects of pedestrian simulation. By dynamically selecting one of several state-of-the-art (SotA) approaches in our modules based on the scenario, we capture many situational nuances of pedestrian behavior in order to narrow the simulation-to-real (sim2real) gap. The human simulation is directly integrated into Isaac Sim, Gazebo, and RViz simulators for robot deployment in highly social environments. We validate our approach through qualitative comparison against existing pedestrian simulation baselines across scenarios of varying complexity in residential, hospital, and office environments. The result is a high-fidelity pedestrian simulation that challenges social robot navigation with complex, diverse, realistic human behaviors.
• Abstract（参考訳）: 歩行者シミュレーションは、社会ロボットナビゲーションのアプローチを訓練し、展開するための重要なコンポーネントであるが、単純なシナリオを定義するために、手動のデータ生成を繰り返す、非常に厳格なシステムである。 GROVEは,社会ロボットナビゲーションの現実的で社会的に困難なシナリオを生成するために,最先端のアプローチを組み合わせた,テキストからシナリオまでの歩行者シミュレーションフレームワークである。 当社のフレームワークでは、いくつかの一般的なプリセット(緊急性、待ち行列、通常)をカスタマイズしたり、完全に独立したプロンプトを入力して、高度にカスタマイズ可能な歩行者シミュレーションを生成することが可能です。 複数のモジュールは、長い水平の人間の行動、中水平の歩行者ナビゲーション、短水平のロボットと社会の相互作用の現実性と健全性を保証する。 各モジュールは、歩行者シミュレーションのあらゆる側面におけるユーザの意図を反映する方法で、プロンプトによって調整される。 このシナリオに基づいて、モジュール内のいくつかの最先端(SotA)アプローチの1つを動的に選択することにより、シミュレーションと現実のギャップを狭めるために、歩行者行動の多くの状況的ニュアンスをキャプチャする。 人間のシミュレーションはアイザック・シム、ガゼボ、RVizシミュレータに直接統合され、高度に社会的な環境でロボットを配置する。 住宅, 病院, オフィス環境において, 様々な複雑さのシナリオにまたがって, 既存の歩行者シミュレーションベースラインに対する質的比較によるアプローチの有効性を検証した。 その結果、複雑な、多様で現実的な人間の行動で、社会ロボットのナビゲーションに挑戦する高忠実な歩行者シミュレーションが実現した。

関連論文リスト

• IR-SIM: A Lightweight Skill-Native Simulator for Navigation, Learning, and Benchmarking [59.6657632820611]
  IR-SIMは、迅速なシナリオ構築、ベンチマーク、ロボット学習のために設計された、スキルネイティブなナビゲーションシミュレータである。 シナリオは、モバイルロボットキネマティクス、幾何学的衝突チェック、LiDARセンシング、可視化、行動モジュールを指定するYAML設定ファイルで完全に定義されている。 実験では、複数のタスクにおいてIR-SIMの利便性と汎用性を示す。
  論文  参考訳（メタデータ） (2026-06-07T16:55:37Z)
• ComSim: Building Scalable Real-World Robot Data Generation via Compositional Simulation [90.4702774169675]
  本稿では,古典シミュレーションとニューラルシミュレーションを組み合わせた合成シミュレーションというハイブリッド手法を提案する。 提案手法では,少数の実世界のデータを活用するクローズドループ・リアル・シモン・リアル・データ拡張パイプラインを利用する。 我々はニューラルシミュレーターをトレーニングし、古典的なシミュレーションビデオを現実世界の表現に変換し、現実の環境で訓練されたポリシーモデルの精度を向上させる。
  論文  参考訳（メタデータ） (2026-04-13T12:25:45Z)
• PolaRiS: Scalable Real-to-Sim Evaluations for Generalist Robot Policies [88.78188489161028]
  シミュレーションにおける政策評価と環境復元(PolaRiS)の導入 PolaRiSは、高忠実度シミュレーションロボット評価のためのスケーラブルなリアルタイム・シミュレート・フレームワークである。 PolaRiSの評価は,既存のシミュレーションベンチマークよりも,現実のジェネラリストのポリシー性能に強い相関関係があることが示されている。
  論文  参考訳（メタデータ） (2025-12-18T18:49:41Z)
• Real-to-Sim Robot Policy Evaluation with Gaussian Splatting Simulation of Soft-Body Interactions [27.247431258140463]
  本稿では,現実の映像からソフトボディのディジタルツインを構築するための,リアル・トゥ・シミュレート・ポリシー評価フレームワークを提案する。 我々は,ぬいぐるみのパッキング,ロープルーティング,Tブロックプッシュなど,代表的な変形可能な操作タスクに対するアプローチを検証する。
  論文  参考訳（メタデータ） (2025-11-06T18:52:08Z)
• The Sound of Simulation: Learning Multimodal Sim-to-Real Robot Policies with Generative Audio [138.07247714782412]
  MultiGenは、大規模な生成モデルを従来の物理シミュレータに統合するフレームワークである。 容器や液体を注ぐ現実世界への効果的なゼロショット転送を実証する。
  論文  参考訳（メタデータ） (2025-07-03T17:59:58Z)
• YuLan-OneSim: Towards the Next Generation of Social Simulator with Large Language Models [50.35333054932747]
  本稿では,YuLan-OneSimというソーシャルシミュレータを紹介する。 ユーザは、シミュレータとの自然言語インタラクションを通じて、シミュレーションシナリオを記述し、洗練することができます。 我々は、経済学、社会学、政治、心理学、組織、人口統計学、法律、コミュニケーションを含む8つの領域にまたがる50のデフォルトシミュレーションシナリオを実装した。
  論文  参考訳（メタデータ） (2025-05-12T14:05:17Z)
• Real-is-Sim: Bridging the Sim-to-Real Gap with a Dynamic Digital Twin [8.498460043101499]
  我々は、シミュレーションを行動クローニングパイプラインに統合するための新しいアプローチである、Real-is-simを導入する。 デプロイ前にポリシーを安全にテストする機能がない実際のメソッドや、sim-to-realメソッドとは対照的に、sim-to-realギャップを横断するために複雑な適応を必要とするsim-to-realメソッドがある。 当社のフレームワークでは,実際のハードウェア上での動作と,並列化された仮想環境での動作とをシームレスに切り替えることが可能です。
  論文  参考訳（メタデータ） (2025-04-04T17:05:56Z)
• TrafficSim: Learning to Simulate Realistic Multi-Agent Behaviors [74.67698916175614]
  リアル交通シミュレーションのためのマルチエージェント行動モデルであるTrafficSimを提案する。 特に、暗黙の潜在変数モデルを利用して、共同アクターポリシーをパラメータ化する。 TrafficSimは、多様なベースラインと比較して、より現実的で多様なトラフィックシナリオを生成します。
  論文  参考訳（メタデータ） (2021-01-17T00:29:30Z)

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。