Fugu-MT 論文翻訳(概要): SPLC: Social Preference Learning for Crowd Robot Navigation

論文の概要: SPLC: Social Preference Learning for Crowd Robot Navigation

arxiv url: http://arxiv.org/abs/2607.01925v1
Date: Thu, 02 Jul 2026 09:21:17 GMT
ステータス: 翻訳完了
システム内更新日: 2026-07-03 19:45:08.758132
Title: SPLC: Social Preference Learning for Crowd Robot Navigation
Title（参考訳）: SPLC: 群集ロボットナビゲーションのための社会的嗜好学習
Abstract要約: 本稿では,より詳細な報酬設計の必要性を排除するために,クラウドロボットナビゲーションのためのソーシャル・プライス・ラーニング(SPLC)アルゴリズムを提案する。その中心となるイノベーションは、嗜好データを自動的に生成する社会的嗜好フィードバックメカニズムの導入にある。 SPLCとオフライン強化学習法を統合する実験は、最先端のベースラインに対して一貫した改善を示す。
参考スコア（独自算出の注目度）: 14.995732014749736
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Offline reinforcement learning (RL) holds significant potential for crowd robot navigation in human-robot coexistence applications. However, the inherent complexity of pedestrian motion renders the design of effective reward functions for promoting socially compliant robot behaviors a persistent challenge. This paper proposes a Social Preference Learning for Crowd Robot Navigation (SPLC) algorithm to eliminate the need for detailed reward design. Its core innovation lies in the introduction of a social preference feedback mechanism to automatically generate preference data through principled preference evaluation criteria. By explicitly accounting for the intricacies of pedestrian dynamics, the pipeline mitigates the reward bias and facilitates the systematic quantification of broad social norms, thereby fostering socially compliant behaviors. Extensive experiments integrating SPLC with offline RL methods demonstrate consistent improvements over state-of-the-art baselines across standard performance metrics. Furthermore, real-world experiments on the TurtleBot4 further validate the effectiveness of SPLC in practical human-robot coexistence settings. Our code and video demos are available at https://github.com/sklus949/SPLC.
Abstract（参考訳）: オフライン強化学習(RL)は、人間ロボット共存アプリケーションにおいて、群集ロボットナビゲーションに重要な可能性を秘めている。しかし、歩行者運動の本質的な複雑さは、社会的に従順なロボット行動を促進する効果的な報酬関数の設計を永続的な課題にしている。本稿では,より詳細な報酬設計の必要性を排除するために,クラウドロボットナビゲーションのためのソーシャル・プライス・ラーニング(SPLC)アルゴリズムを提案する。その中核となる革新は、原則化された嗜好評価基準を通じて嗜好データを自動的に生成する社会的嗜好フィードバック機構の導入である。歩行者力学の複雑さを明示的に説明することにより、パイプラインは報酬バイアスを緩和し、幅広い社会的規範の体系的な定量化を促進し、社会的に従順な行動を促進する。 SPLCとオフラインのRLメソッドを統合する大規模な実験は、標準的なパフォーマンス指標間で最先端のベースラインよりも一貫した改善を示している。さらに、TurtleBot4における実世界の実験は、実用的人間ロボット共存設定におけるSPLCの有効性をさらに検証した。私たちのコードとビデオのデモはhttps://github.com/sklus949/SPLCで公開されています。

関連論文リスト

RGB-D Video Generation for Improving Human-to-Robot Object Handover Prediction [51.76737991200891]
H2R(Human-to-robot)オブジェクトハンドオーバは、人間とロボットのコラボレーションの基本的な能力である。本稿では,RGB-DビデオデータセットであるHand2Botを紹介する。ハンドオブジェクトの一貫性を確保しつつ,現実的なハンドオーバシーケンスを合成する生成パイプラインであるPassGenを提案する。
論文参考訳（メタデータ） (2026-08-13T09:55:59Z)
Towards Socially Compliant Navigation in Deep Reinforcement Learning via Proxemics-Based Reward Modeling [0.0]
DRLソーシャルナビゲーションのための新しいプロキシベースの報酬を導入する。ナビゲーション効率を維持しつつ、密集した解釈可能な社会学習信号を提供する。その結果,提案した報酬はシミュレーションにおける社会的指標を継続的に改善することがわかった。
論文参考訳（メタデータ） (2026-08-13T07:59:23Z)
E-SocialNav: Efficient Socially Compliant Navigation with Language Models [33.58546605940754]
言語モデル(LM)はロボットナビゲーションにますます応用されている。既存のベンチマークは主にナビゲーションの成功率を強調し、社会的コンプライアンスに注意を払っている。 E-SocialNavは、社会に適応したナビゲーションのための効率的なLMである。
論文参考訳（メタデータ） (2026-03-21T05:39:50Z)
Intrinsic-Motivation Multi-Robot Social Formation Navigation with Coordinated Exploration [7.50564221243905]
協調探索型マルチロボットRLアルゴリズムを提案する。その中核となるコンポーネントは、政策保守主義を一括して緩和するために設計された自己学習固有の報酬メカニズムである。ソーシャルフォーメーションナビゲーションベンチマークの実証的な結果は,提案アルゴリズムの優れた性能を示すものである。
論文参考訳（メタデータ） (2025-12-15T13:03:08Z)
Socially aware navigation for mobile robots: a survey on deep reinforcement learning approaches [1.2891210250935148]
社会に意識されたナビゲーションはロボット工学において急速に発展する研究領域であり、ロボットは暗黙の人間の社会規範に固執しながら、人間の環境内を移動することができる。深層強化学習(Dep Reinforcement Learning, DRL)は、ロボットがそれらの目的を効果的に達成しつつ、これらの社会的慣行を組み込むことのできるナビゲーションポリシーの開発を加速した。このサーベイは、DRLに基づく社会に意識したナビゲーションのアプローチの概要を提供し、プロキシ、人間の快適性、自然性、軌道、意図予測といった重要な側面を強調している。
論文参考訳（メタデータ） (2025-11-18T05:33:28Z)
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)
SERL: A Software Suite for Sample-Efficient Robotic Reinforcement Learning [82.46975428739329]
筆者らは,報酬の計算と環境のリセットを行う手法とともに,効率的なオフ・ポリティクス・ディープ・RL法を含むライブラリを開発した。我々は,PCBボードアセンブリ,ケーブルルーティング,オブジェクトの移動に関するポリシを,非常に効率的な学習を実現することができることを発見した。これらの政策は完全な成功率またはほぼ完全な成功率、摂動下でさえ極端な堅牢性を実現し、突発的な堅牢性回復と修正行動を示す。
論文参考訳（メタデータ） (2024-01-29T10:01:10Z)
REBEL: Reward Regularization-Based Approach for Robotic Reinforcement Learning from Human Feedback [61.54791065013767]
報酬関数と人間の嗜好の相違は、現実世界で破滅的な結果をもたらす可能性がある。近年の手法は、人間の嗜好から報酬関数を学習することで、不適応を緩和することを目的としている。本稿では,ロボットRLHFフレームワークにおける報酬正規化の新たな概念を提案する。
論文参考訳（メタデータ） (2023-12-22T04:56:37Z)
Confidence-Controlled Exploration: Efficient Sparse-Reward Policy Learning for Robot Navigation [72.24964965882783]
強化学習(RL)はロボットナビゲーションにおいて有望なアプローチであり、ロボットは試行錯誤を通じて学習することができる。現実世界のロボットタスクは、しばしばまばらな報酬に悩まされ、非効率な探索と準最適政策に繋がる。本稿では,RLに基づくロボットナビゲーションにおいて,報酬関数を変更せずにサンプル効率を向上させる新しい手法であるConfidence-Controlled Exploration (CCE)を紹介する。
論文参考訳（メタデータ） (2023-06-09T18:45:15Z)
Accelerating Robotic Reinforcement Learning via Parameterized Action Primitives [92.0321404272942]
強化学習は汎用ロボットシステムの構築に使用することができる。しかし、ロボット工学の課題を解決するためにRLエージェントを訓練することは依然として困難である。本研究では,ロボット行動プリミティブ(RAPS)のライブラリを手動で指定し,RLポリシーで学習した引数をパラメータ化する。動作インターフェースへの簡単な変更は、学習効率とタスクパフォーマンスの両方を大幅に改善する。
論文参考訳（メタデータ） (2021-10-28T17:59:30Z)
Learning Dexterous Manipulation from Suboptimal Experts [69.8017067648129]
相対エントロピーQラーニング(Relative Entropy Q-Learning、REQ)は、オフラインおよび従来のRLアルゴリズムのアイデアを組み合わせた単純なポリシーアルゴリズムである。本稿では、REQが、デモから一般の政治外RL、オフラインRL、およびRLにどのように有効であるかを示す。
論文参考訳（メタデータ） (2020-10-16T18:48:49Z)

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。