論文の概要: HumAIN: Human-Aware Implicit Social Robot Navigation

• arxiv url: http://arxiv.org/abs/2607.07357v1
• Date: Wed, 08 Jul 2026 12:52:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-09 22:50:30.384156
• Title: HumAIN: Human-Aware Implicit Social Robot Navigation
• Title（参考訳）: HumAin:人間を意識した社会ロボットナビゲーション
• Abstract要約: HumAIN(Human-Aware Implicit Social Robot Navigation)を提案する。 HumAINは知識蒸留を通じて暗黙の社会的手がかりを直接計画ループに注入する。 我々はHumAINを広範囲な実験により検証し、軌道予測の指標を平均29.8%改善した。
• 参考スコア（独自算出の注目度）: 15.91290186216647
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Effective social robot navigation requires sensitivity to human behavior, often revealed through subtle skeletal cues like gait and orientation. We present Human-Aware Implicit Social Robot Navigation (HumAIN), a novel framework that fuses implicit social cues directly into the planning loop via knowledge distillation. We first employ a transformer-based teacher model that fuses rich multi-modal inputs, including historic images, skeletal keypoints, robot state, and a robot's target goal, to learn robust, human-aware representations for the robot's future trajectory planning. To enable real-time deployment, we then distill this knowledge into a lightweight student model. By optimizing for both trajectory reconstruction and latent feature alignment with the teacher, the student learns to infer complex social dynamics from minimal inputs. Bridging the prediction-planning gap with an efficient distilled architecture, our method enables robots to reason about human behavior in a manner that is adaptive, robust, and socially compliant. We validate HumAIN through extensive experiments, where it improves trajectory prediction metrics by an average of 29.8% across all metrics compared to state-of-the-art baselines. These results highlight the benefit of using implicit, whole-body cues to achieve human-like navigation awareness on resource-constrained platforms.
• Abstract（参考訳）: 効果的な社会ロボットナビゲーションは人間の行動に敏感で、歩行や方向といった微妙な骨格の手がかりによってしばしば明らかにされる。 HumAIN(Human-Aware Implicit Social Robot Navigation)は,知識蒸留を通じて暗黙の社会的手がかりを直接計画ループに融合させる新しいフレームワークである。 まず,歴史画像や骨格キーポイント,ロボットの状態,ロボットの目標など,多要素入力を融合したトランスフォーマーベースの教師モデルを用いて,ロボットの将来の軌道計画のための堅牢で人間を意識した表現を学習する。 リアルタイムのデプロイを可能にするために,この知識を軽量な学生モデルに抽出する。 教師との軌道再構成と潜在的特徴アライメントの両方を最適化することにより、学生は最小限の入力から複雑な社会的ダイナミクスを推論することを学ぶ。 提案手法は, 効率の良い蒸留アーキテクチャで予測計画ギャップを埋めることで, 適応性, 堅牢性, 社会的に適合した方法で, ロボットによる人間の行動の推論を可能にする。 我々は、HumAINを広範な実験によって検証し、最先端のベースラインと比較して、すべての指標の平均29.8%の軌道予測指標を改善する。 これらの結果は、リソース制約のあるプラットフォーム上で、人のようなナビゲーション認識を実現するために、暗黙の全身的手がかりを使用することの利点を浮き彫りにする。

関連論文リスト

• Fast Confidence-Aware Human Prediction via Hardware-accelerated Bayesian Inference for Safe Robot Navigation [2.745453886412164]
  本稿では,将来予測を粒子として扱う信頼度を考慮した予測手法を提案する。 我々の実装は、より詳細な予測時間ステップをサポートし、よりきめ細かい軌道予測をもたらす。 我々は、実世界の実験を通じて、ロボットが複数の人間の間で安全にナビゲートできることを実証し、我々のアプローチを検証する。
  論文  参考訳（メタデータ） (2026-03-01T14:13:58Z)
• 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)
• From Human Hands to Robot Arms: Manipulation Skills Transfer via Trajectory Alignment [36.08997778717271]
  現実世界のロボットの多様な操作スキルを学ぶことは、高価でスケールの難しい遠隔操作によるデモンストレーションに依存することでボトルネックとなる。 本稿では,操作終端の3次元軌跡を統一中間表現として利用することにより,この実施ギャップを橋渡しする新しいフレームワークであるTraj2Actionを紹介する。 我々の方針はまず,人間とロボットの両方のデータを活用することで,高レベルの運動計画を形成する粗い軌道を生成することを学習する。
  論文  参考訳（メタデータ） (2025-10-01T04:21:12Z)
• Towards Human-level Intelligence via Human-like Whole-Body Manipulation [10.199110135230674]
  Astribot Suiteは、多様な環境にまたがる日常的なタスクを対象とする、全身操作のためのロボット学習スイートである。 以上の結果から,Astribotのエボディメント,遠隔操作インターフェース,学習パイプラインの統合は,実世界の汎用的な全身ロボット操作への重要な一歩であることが示唆された。
  論文  参考訳（メタデータ） (2025-07-23T02:23:41Z)
• HumanoidBench: Simulated Humanoid Benchmark for Whole-Body Locomotion and Manipulation [50.616995671367704]
  そこで本研究では,人型ロボットが器用な手を備えた,高次元シミュレーション型ロボット学習ベンチマークHumanoidBenchを提案する。 その結果,現在最先端の強化学習アルゴリズムがほとんどのタスクに支障をきたすのに対して,階層的学習アプローチはロバストな低レベルポリシーに支えられた場合,優れた性能を達成できることがわかった。
  論文  参考訳（メタデータ） (2024-03-15T17:45:44Z)
• Exploring Social Motion Latent Space and Human Awareness for Effective Robot Navigation in Crowded Environments [3.714800947440209]
  提案手法は,成功率,航法時間,軌道長などのソーシャルナビゲーション指標を大幅に改善する。 ロボットに対する人間の意識の概念は、社会ロボットナビゲーションフレームワークに導入されている。
  論文  参考訳（メタデータ） (2023-10-11T09:25:24Z)
• Principles and Guidelines for Evaluating Social Robot Navigation Algorithms [44.51586279645062]
  社会的ロボットナビゲーションは、動的エージェントとそのロボット行動の適切性に対する認識が関係しているため、評価が難しい。 コントリビューションには、(a)安全性、快適性、妥当性、丁寧さ、社会的能力、エージェント理解、活動性、文脈に対する応答性に関する原則、(b)メトリクスの使用のためのガイドライン、シナリオ、ベンチマーク、データセット、社会ナビゲーションを評価するためのシミュレーター、(c)様々なシミュレーター、ロボット、データセットの結果の比較を容易にするソーシャルナビゲーションメトリクスフレームワークなどが含まれます。
  論文  参考訳（メタデータ） (2023-06-29T07:31:43Z)
• 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)
• Self-Improving Robots: End-to-End Autonomous Visuomotor Reinforcement Learning [54.636562516974884]
  模倣と強化学習において、人間の監督コストは、ロボットが訓練できるデータの量を制限する。 本研究では,自己改善型ロボットシステムのための新しい設計手法であるMEDAL++を提案する。 ロボットは、タスクの実施と解除の両方を学ぶことで、自律的にタスクを練習し、同時にデモンストレーションから報酬関数を推論する。
  論文  参考訳（メタデータ） (2023-03-02T18:51:38Z)
• 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)
• Cognitive architecture aided by working-memory for self-supervised multi-modal humans recognition [54.749127627191655]
  人間パートナーを認識する能力は、パーソナライズされた長期的な人間とロボットの相互作用を構築するための重要な社会的スキルです。 ディープラーニングネットワークは最先端の結果を達成し,そのような課題に対処するための適切なツールであることが実証された。 1つの解決策は、ロボットに自己スーパービジョンで直接の感覚データから学習させることである。
  論文  参考訳（メタデータ） (2021-03-16T13:50:24Z)

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。