論文の概要: Robots Ask the Way: Communication-Enabled Social Navigation
- arxiv url: http://arxiv.org/abs/2607.01044v1
- Date: Wed, 01 Jul 2026 15:07:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-02 19:56:07.95516
- Title: Robots Ask the Way: Communication-Enabled Social Navigation
- Title（参考訳）: ロボットが問う:コミュニケーション可能なソーシャルナビゲーション
- Authors: Valentino Sacco, Luca Scofano, Indro Spinelli, Fabio Galasso,
- Abstract要約: コミュニケーション可能なソーシャルナビゲーション(CommNav)について紹介する。
この課題において, ロボットエージェントは, 対象者を特定するために, 住民からの援助を積極的に求めている。
明示的な人間とロボットのコミュニケーションは、多人数のナビゲーション性能を大幅に向上させることを示す。
- 参考スコア（独自算出の注目度）: 12.914876079465431
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Assistive autonomous robots operating in multi-agent environments require efficient strategies to locate specific individuals among multiple residents. Current social navigation methods focus on reactive collision avoidance and trajectory adaptation, but lack mechanisms to proactively gather information through human-robot communication. We introduce Communication-enabled Social Navigation (CommNav). In this novel task, robotic agents actively seek assistance from residents to locate target individuals by requesting information about recent sightings, locations, and movements. To evaluate CommNav, we extend Habitat 3.0 to create Habitat 3.0c, a communication-enabled variant supporting multi-human environments with information exchange protocols. Adding our communication module (COMM) to a state-of-the-art social navigation model yields a 10 percentage-point improvement in Episode Success. We further investigate the transition from structured data to natural language by evaluating models trained on LLM-generated instructions and on colloquial instructions collected from a human study. Our experiments reveal that: (i) explicit human-robot communication substantially enhances multi-person navigation performance; (ii) pre-training COMM on a communication pretext task effectively addresses the challenge of occasional interaction signals; and (iii) the navigation policy is highly robust to natural, colloquial human language, achieving an episode success statistically similar to the model using perfect structured data.
- Abstract（参考訳）: マルチエージェント環境で動く補助的な自律ロボットは、複数の居住者の中から特定の個人を見つけるための効率的な戦略を必要とする。
現在の社会航法は、反応衝突回避と軌道適応に重点を置いているが、人間とロボットのコミュニケーションを通じて情報を積極的に収集するメカニズムが欠如している。
コミュニケーション対応ソーシャルナビゲーション(CommNav)について紹介する。
この課題において,ロボットエージェントは,近年の目撃,場所,移動に関する情報を依頼することで,対象者を特定するために,住民からの援助を積極的に求めている。
CommNavを評価するために、Habitat 3.0を拡張して、情報交換プロトコルを備えたマルチヒューマン環境をサポートする通信可能なHabitat 3.0cを作成する。
最新のソーシャルナビゲーションモデルに通信モジュール(COMM)を追加すると、エピソード成功の10ポイント改善が得られる。
さらに、構造化データから自然言語への遷移について、LLM生成命令および人間の研究から収集した口語命令に基づいて訓練されたモデルを評価することで検討する。
私たちの実験で明らかになりました。
(i)明快な人間ロボットコミュニケーションは、多人数ナビゲーション性能を大幅に向上させる。
(二)コミュニケーション前文タスクにおけるCOMMの事前学習は、時折のインタラクション信号の課題に効果的に対処する。
三 ナビゲーションポリシーは、自然で口語的な人間の言語に対して非常に堅牢であり、完全な構造化データを用いたモデルと統計的に類似したエピソード成功を達成する。
関連論文リスト
- Teaching Robots Like Dogs: Learning Agile Navigation from Luring, Gesture, and Speech [19.38205427861322]
本研究の目的は,ロボットが人間の社会的手がかりを解釈し,身体的指導を通じて適切な行動を生み出す方法を学習できるようにすることである。
本稿では,ロボットがデータ効率のよいナビゲーション行動を取得することを可能にする,ループ型ヒューマン・イン・ザ・ループ・フレームワークを提案する。
障害を飛び越えたり回避したりする6つの現実のアジャイルナビゲーションシナリオで、私たちのフレームワークを評価します。
論文 参考訳（メタデータ） (2026-01-13T10:47:12Z) - Air-Ground Collaboration for Language-Specified Missions in Unknown Environments [62.56917065429864]
本稿では,無人航空機 (UAV) と無人地上機 (UGV) が,自然言語で指定されたミッションを協調的に達成できる,第一種システムを提案する。
我々は、Large Language Model(LLM)対応プランナーを利用して、オンライン上に構築され、航空ロボットと地上ロボットの間で機会的に共有されるセマンティック・メトリック・マップを推論する。
論文 参考訳（メタデータ） (2025-05-14T03:33:46Z) - IG-MCTS: Human-in-the-Loop Cooperative Navigation under Incomplete Information [22.47189812250736]
CoNav-Mazeは、人間のオペレータが不正確な地図に基づいてガイダンスを提供する間、ロボットが局所的な知覚でナビゲートするシミュレーション環境である。
我々は,自律移動と情報通信を協調的に最適化する情報ゲインモンテカルロ木探索(IG-MCTS)を提案する。
IG-MCTSはコミュニケーション要求を著しく減らし、認知負荷の低下を示す視線追跡指標を得る。
論文 参考訳（メタデータ） (2025-02-03T22:08:04Z) - CoNav: A Benchmark for Human-Centered Collaborative Navigation [66.6268966718022]
協調ナビゲーション(CoNav)ベンチマークを提案する。
われわれのCoNavは、現実的で多様な人間の活動を伴う3Dナビゲーション環境を構築するという重要な課題に取り組む。
本研究では,長期的意図と短期的意図の両方を推論する意図認識エージェントを提案する。
論文 参考訳（メタデータ） (2024-06-04T15:44:25Z) - Unifying Large Language Model and Deep Reinforcement Learning for Human-in-Loop Interactive Socially-aware Navigation [16.789333617628138]
ソーシャルロボットナビゲーションプランナーは、2つの大きな課題に直面している。
本稿では,対話型対話型ソーシャル・アウェア・ナビゲーションフレームワークであるSALMを紹介する。
メモリ機構は、時間データを連続的な改善のためにアーカイブし、多段階のグラフは推論に基づく大規模言語フィードバックモデルが両方の計画手法の強みを適応的に融合させる。
論文 参考訳（メタデータ） (2024-03-22T23:12:28Z) - SACSoN: Scalable Autonomous Control for Social Navigation [62.59274275261392]
我々は、社会的に邪魔にならないナビゲーションのための政策の訓練方法を開発した。
この反事実的摂動を最小化することにより、共有空間における人間の自然な振る舞いを変えない方法でロボットに行動を促すことができる。
屋内移動ロボットが人間の傍観者と対話する大規模なデータセットを収集する。
論文 参考訳（メタデータ） (2023-06-02T19:07:52Z) - Gesture2Path: Imitation Learning for Gesture-aware Navigation [54.570943577423094]
Gesture2Pathは、画像に基づく模倣学習とモデル予測制御を組み合わせた新しいソーシャルナビゲーション手法である。
実際のロボットに本手法をデプロイし,4つのジェスチャーナビゲーションシナリオに対するアプローチの有効性を示す。
論文 参考訳（メタデータ） (2022-09-19T23:05:36Z) - Socially Compliant Navigation Dataset (SCAND): A Large-Scale Dataset of
Demonstrations for Social Navigation [92.66286342108934]
社会ナビゲーションは、ロボットのような自律的なエージェントが、人間のような他の知的エージェントの存在下で、社会的に従順な方法でナビゲートする能力である。
私たちのデータセットには8.7時間、128の軌道、25マイルの社会的に適合した人間の遠隔運転デモが含まれています。
論文 参考訳（メタデータ） (2022-03-28T19:09:11Z) - Interpretation of Emergent Communication in Heterogeneous Collaborative
Embodied Agents [83.52684405389445]
本稿では,コラボレーティブな多目的ナビゲーションタスクCoMONを紹介する。
この課題において、オラクルエージェントは、地図の形式で詳細な環境情報を有する。
視覚的に環境を知覚するナビゲーターエージェントと通信し、目標のシーケンスを見つけるのが任務である。
創発的コミュニケーションはエージェントの観察と3次元環境の空間構造に基礎を置くことができることを示す。
論文 参考訳（メタデータ） (2021-10-12T06:56:11Z) - Communicative Learning with Natural Gestures for Embodied Navigation
Agents with Human-in-the-Scene [34.1812210095966]
我々はAI2-THORプラットフォームに基づくVRベースの3Dシミュレーション環境であるGes-THORを開発した。
この仮想環境において、人間のプレイヤーは同じ仮想シーンに配置され、ジェスチャーのみを用いて人工エージェントを羊飼いする。
自然なジェスチャーの意味を学習することは、ナビゲーションタスクの学習において相互に有益である、と我々は主張する。
論文 参考訳（メタデータ） (2021-08-05T20:56:47Z)
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。