論文の概要: SAGE: A Socially-Aware Generative Engine for Heterogeneous Multi-Agent Navigation

• arxiv url: http://arxiv.org/abs/2607.16619v2
• Date: Thu, 23 Jul 2026 16:41:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-24 14:12:06.728435
• Title: SAGE: A Socially-Aware Generative Engine for Heterogeneous Multi-Agent Navigation
• Title（参考訳）: SAGE:不均一なマルチエージェントナビゲーションのためのソーシャルなジェネレーティブエンジン
• Abstract要約: 本稿では,異種マルチエージェントナビゲーションのための社会認識型生成エンジンであるSAGEを提案する。 推論中、SAGEは異なる衝突、キネマティック、タスクプログレス、ロール条件の社会コンプライアンス用語を用いて、サンプル化されたロボット軌道を洗練する。 提案する誘導機構は,衝突と社会侵害率を一貫して低減し,最大20台のロボットのチームまで拡大し,再訓練することなく,安全・精度・タスクトレードオフの明確な制御を可能にする。
• 参考スコア（独自算出の注目度）: 20.851820019451587
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Safe and socially compliant navigation in open human-robot environments requires robots to reason about heterogeneous participants with different dynamics, autonomy levels, and social roles. Existing trajectory prediction and planning methods often rely on homogeneous interaction assumptions or enforce only geometric collision constraints, making it difficult to jointly model asymmetric interactions, coupled prediction-planning, and soft social norms. This paper proposes SAGE, a socially-aware generative engine for heterogeneous multi-agent navigation. SAGE represents robots and surrounding entities as a directed heterogeneous graph and employs a Heterogeneous Graph Transformer (HGT) to encode type-specific asymmetric interactions. Conditioned on the resulting context, a diffusion-based generative module jointly models future entity trajectories and robot trajectory plans. During inference, a training-free safety-social energy guidance mechanism refines sampled robot trajectories using differentiable collision, kinematic, task-progress, and role-conditioned social-compliance terms. Extensive experiments on real-world (ETH/UCY and SDD) and synthetic datasets verify the effectiveness of SAGE in improving safety and social compliance while maintaining task performance. The proposed guidance mechanism consistently reduces collision and social-violation rates, scales to teams of up to 20 robots, and enables explicit control of the safety-accuracy-task trade-off without retraining. These findings demonstrate the potential of SAGE as a scalable framework for socially-aware multi-agent navigation in complex environments.
• Abstract（参考訳）: オープンな人間ロボット環境での安全で社会的に適合したナビゲーションでは、ロボットは異なるダイナミクス、自律性レベル、社会的役割を持つ異種参加者を推論する必要がある。 既存の軌道予測と計画手法は、しばしば均質な相互作用の仮定に頼り、幾何学的衝突の制約のみを強制し、非対称な相互作用、複合予測計画、ソフトな社会規範を共同でモデル化することが困難である。 本稿では,異種マルチエージェントナビゲーションのための社会認識型生成エンジンであるSAGEを提案する。 SAGEは、ロボットと周囲のエンティティを有向不均一グラフとして表現し、型固有の非対称相互作用をエンコードするために異種グラフ変換器(HGT)を使用している。 結果の文脈に基づいて、拡散に基づく生成モジュールは、将来の実体軌道とロボット軌道計画を共同でモデル化する。 推論中、トレーニング不要の安全社会エネルギー誘導機構は、異なる衝突、運動、タスクプログレス、ロール条件付き社会コンプライアンス用語を用いて、サンプル化されたロボット軌道を洗練する。 実世界(ETH/UCYとSDD)と合成データセットの大規模な実験により、SAGEがタスク性能を維持しながら安全性と社会的コンプライアンスを向上させる効果が検証された。 提案する誘導機構は,衝突や社会侵犯率を一貫して低減し,最大20台のロボットのチームまで拡大し,再訓練することなく,安全・精度・タスクトレードオフの明確な制御を可能にする。 これらの結果は、複雑な環境でのマルチエージェントナビゲーションをソーシャルに認識するためのスケーラブルなフレームワークとしてのSAGEの可能性を示している。

関連論文リスト

• Socially Consistent Multi-Robot Navigation Using Decoupled Planning and Trajectory Coordination [0.0]
  人間中心の環境における移動ロボットの正常な統合には、安全かつ効率的なナビゲーションが必要である。 本稿では,予測可能かつ社会的に一貫したマルチロボット動作を生成する部分分散フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-07-22T22:38:07Z)
• Simulation-Informed Diffusion for Decentralized Multi-robot Motion Planning [56.240199425429445]
  マルチロボットモーションプランニングでは、各ロボットが局所的な観測から衝突のない軌道を生成する必要がある。 既存のほとんどのプランナは、ローカル観測の静的スナップショットからトラジェクトリを生成する。 本稿では,制約対応拡散モデルに基づく分散フレームワークであるSimulation-Informed Diffusion (SID)を紹介する。
  論文  参考訳（メタデータ） (2026-05-26T21:17:53Z)
• From Obstacles to Etiquette: Robot Social Navigation with VLM-Informed Path Selection [57.74400052368147]
  本稿では,幾何学的計画と文脈的社会的推論を統合した社会ロボットナビゲーションフレームワークを提案する。 このシステムはまず障害物や人間の力学を抽出し、幾何学的に実現可能な候補経路を生成し、次に細調整された視覚言語モデル(VLM)を利用してこれらの経路を評価する。 4つのソーシャルナビゲーション環境における実験により, 生活空間違反の最小期間, 歩行者面の最小時間, 社会ゾーンの侵入がない場合に, ベストな総合的なパフォーマンスを達成できることが実証された。
  論文  参考訳（メタデータ） (2026-02-09T18:46:12Z)
• SocialDriveGen: Generating Diverse Traffic Scenarios with Controllable Social Interactions [28.77173801411955]
  SocialDriveGenは、意味論的推論と社会的嗜好モデリングと生成的軌道合成を統合する階層的なフレームワークである。 エゴリズムと利他主義を相補的な社会的次元としてモデル化することにより、私たちの枠組みはドライバーの個性とインタラクションスタイルの制御可能な多様性を可能にします。 Argoverse 2データセットの実験は、SocialDriveGenが協調行動から敵対行動にまたがる多様な高忠実なトラフィックシナリオを生成することを示している。
  論文  参考訳（メタデータ） (2025-12-01T07:18:20Z)
• Social World Model-Augmented Mechanism Design Policy Learning [58.739456918502704]
  SWM-AP (Social World Model-Augmented Mechanism Design Policy Learning) を導入する。 SWM-APは,累積報酬とサンプル効率において,モデルベースおよびモデルフリーのRLベースラインよりも優れていた。
  論文  参考訳（メタデータ） (2025-10-22T06:01:21Z)
• HEIGHT: Heterogeneous Interaction Graph Transformer for Robot Navigation in Crowded and Constrained Environments [13.574462966591199]
  廊下や家具などの環境制約のある密集した対話型群集におけるロボットナビゲーションの問題点について検討する。 従来の手法ではエージェントと障害物間のあらゆる種類の相互作用を考慮できないため、安全で非効率なロボット経路につながる。 本稿では,ロボットナビゲーションポリシーを強化学習で学習するための構造化フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-11-19T00:56:35Z)
• Multi-Agent Dynamic Relational Reasoning for Social Robot Navigation [50.01551945190676]
  社会ロボットナビゲーションは、日常生活の様々な状況において有用であるが、安全な人間とロボットの相互作用と効率的な軌道計画が必要である。 本稿では, 動的に進化する関係構造を明示的に推論した系統的関係推論手法を提案する。 マルチエージェント軌道予測とソーシャルロボットナビゲーションの有効性を実証する。
  論文  参考訳（メタデータ） (2024-01-22T18:58:22Z)
• Safety-compliant Generative Adversarial Networks for Human Trajectory Forecasting [95.82600221180415]
  群衆における人間予測は、社会的相互作用をモデル化し、衝突のないマルチモーダル分布を出力するという課題を提示する。 SGANv2は、動き時間相互作用モデリングと変圧器に基づく識別器設計を備えた安全に配慮したSGANアーキテクチャである。
  論文  参考訳（メタデータ） (2022-09-25T15:18:56Z)
• HARPS: An Online POMDP Framework for Human-Assisted Robotic Planning and Sensing [1.3678064890824186]
  HARPS(Human Assisted Robotic Planning and Sensing)フレームワークは、ロボットチームにおけるアクティブなセマンティックセンシングと計画のためのフレームワークである。 このアプローチにより、人間が不規則にモデル構造を強制し、不確実な環境で意味的なソフトデータの範囲を拡張することができる。 大規模部分構造環境におけるUAV対応ターゲット探索アプリケーションのシミュレーションは、時間と信念状態の推定において著しく改善されている。
  論文  参考訳（メタデータ） (2021-10-20T00:41:57Z)
• Risk-Sensitive Sequential Action Control with Multi-Modal Human Trajectory Forecasting for Safe Crowd-Robot Interaction [55.569050872780224]
  本稿では,リスクに敏感な最適制御に基づく安全な群集ロボットインタラクションのためのオンラインフレームワークを提案し,そのリスクをエントロピーリスク尺度でモデル化する。 私たちのモジュラーアプローチは、クラウドとロボットの相互作用を学習ベースの予測とモデルベースの制御に分離します。 シミュレーション研究と実世界の実験により、このフレームワークは、現場にいる50人以上の人間との衝突を避けながら、安全で効率的なナビゲーションを実現することができることが示された。
  論文  参考訳（メタデータ） (2020-09-12T02:02:52Z)

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。