論文の概要: SOPD-SocialNav: Selective On-Policy Distillation for Vision-Language Social Navigation
- arxiv url: http://arxiv.org/abs/2607.19850v1
- Date: Wed, 22 Jul 2026 07:35:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-23 18:51:38.015853
- Title: SOPD-SocialNav: Selective On-Policy Distillation for Vision-Language Social Navigation
- Title（参考訳）: SOPD-SocialNav:視覚言語ソーシャルナビゲーションのための選択的なオンポリティ蒸留
- Abstract要約: 本稿では,大規模教師のVLMから軽量学生のVLMへソーシャルナビゲーションの知識を伝達するSOPD-SocialNavを提案する。
SOPDは、微調整、オフ・ポリケーション蒸留、標準オン・ポリケーション蒸留ベースラインを、行動予測、知覚整合性、推論整合性において一貫して上回っている。
これらの結果から,SOPDは軽量かつ社会的に認識されたVLMナビゲーションシステムを構築する上で有効な戦略であることが示唆された。
- 参考スコア（独自算出の注目度）: 8.30043700809655
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Vision-language models have shown strong potential for social robot navigation by leveraging rich semantic understanding of complex environments and human behaviors. However, large scale VLMs are difficult to deploy on resource-constrained robotic platforms, while lightweight VLMs often lack sufficient social reasoning capability. To address this problem, we propose SOPD-SocialNav, a selective on-policy distillation (SOPD) method that transfers social navigation knowledge from a large teacher VLM to a lightweight student VLM. SOPD introduces an entropy-based token selection mechanism that uses teacher uncertainty to identify socially informative decision tokens, while suppressing gradients from low-entropy tokens corresponding to trivial navigation states. A temperature-controlled Jensen-Shannon divergence objective is then used to align the student and teacher distributions on the selected tokens. Experiments on the SNEI and MUSON benchmarks demonstrate that SOPD consistently outperforms supervised fine-tuning, off-policy distillation, and standard on-policy distillation baselines in action prediction, perception consistency, and reasoning consistency. Real-world deployment on a Scout Mini robot further shows that the distilled model can generate more socially appropriate navigation behaviors in conversational and queuing scenarios. These results suggest that SOPD is an effective strategy for building lightweight yet socially aware VLM-based navigation systems.
- Abstract（参考訳）: 視覚言語モデルでは、複雑な環境と人間の行動の豊かな意味的理解を活用することにより、社会ロボットのナビゲーションに強い可能性を示している。
しかし、大規模なVLMは資源に制約のあるロボットプラットフォームに展開することは困難であり、軽量のVLMは十分な社会的推論能力に欠けることが多い。
この問題に対処するために,大規模教師VLMから軽量学生VLMにソーシャルナビゲーション知識を伝達するSOPD-SocialNav法を提案する。
SOPDは、教師の不確実性を利用して社会的に有意な決定トークンを識別するエントロピーベースのトークン選択機構を導入し、一方、自明なナビゲーション状態に対応する低エントロピートークンからの勾配を抑える。
次に、温度制御されたJensen-Shannon分散目的を用いて、選択したトークンに生徒と教師の分布を整列させる。
SNEI と MUSON ベンチマークの実験では、SOPD は微調整、オフ・ポリケーション、および標準オン・ポリケーションの蒸留ベースラインにおいて、行動予測、知覚整合性、推論整合性において一貫して優れた性能を発揮することが示された。
Scout Miniロボットの実際の展開は、蒸留されたモデルが会話やキューのシナリオでより社会的に適切なナビゲーション行動を生成することをさらに示している。
これらの結果から,SOPDは軽量かつ社会的に認識されたVLMナビゲーションシステムを構築するための効果的な戦略であることが示された。
関連論文リスト
- Vision-Language Models for Deployable Social Robot Navigation: Bridging Semantic Reasoning and Low-Level Control [27.669648439283936]
社会ロボットナビゲーション(SRN)は、社会的に従順な行動を生成するために、人間の意図、社会的規範、文脈的手がかりを理解する必要がある。
ビジョン・ランゲージ・モデル(VLM)の最近の進歩は、SRNに新たな機会をもたらしている。
Surveyは、信頼性があり、社会的に準拠し、デプロイ可能なVLM対応ナビゲーションシステムを構築するための基盤を提供することを目指している。
論文 参考訳（メタデータ） (2026-06-27T06:32:47Z) - 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) - Interpretable Debiasing of Vision-Language Models for Social Fairness [55.85977929985967]
本稿では,視覚・言語モデルに社会的属性ニューロンを局在させる,解釈可能なモデルに依存しないバイアス緩和フレームワークDeBiasLensを紹介する。
社会属性ラベルを含まない顔画像やキャプションデータセットでSAEを訓練し、特定の人口動態に高い応答性を持つニューロンを明らかにする。
我々の研究は、未来の監査ツールの基礎を築き、新興の現実世界のAIシステムにおける社会的公正性を優先します。
論文 参考訳（メタデータ） (2026-02-27T13:37:11Z) - 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) - SocialNav-MoE: A Mixture-of-Experts Vision Language Model for Socially Compliant Navigation with Reinforcement Fine-Tuning [6.245382633570723]
人間の快適さ、社会的規範、文脈的適切さを考慮に入れた社会に順応したナビゲーションはいまだに探索されていない。
そこで我々は,ソーシャルに適合したナビゲーションと強化微調整のための,効率的なMixture-of-Experts視覚言語モデルSocialNav-MoEを提案する。
SNEIデータセットの実験では、SocialNav-MoEはナビゲーションの精度と効率のバランスが良好であることを実証している。
論文 参考訳（メタデータ） (2025-12-15T14:21:15Z) - LISN: Language-Instructed Social Navigation with VLM-based Controller Modulating [47.62872797480247]
LISN-Benchは,言語指導型ソーシャルナビゲーションのシミュレーションに基づく最初のベンチマークである。
VLMエージェントがコストマップとコントローラパラメータを変調する高速な階層システムであるSocial-Nav-Modulatorを提案する。
本手法は,最も競争力のあるベースラインよりも63%以上高い91.3%の平均成功率を達成する。
論文 参考訳（メタデータ） (2025-12-10T18:54:30Z) - EvolveNav: Empowering LLM-Based Vision-Language Navigation via Self-Improving Embodied Reasoning [145.32076310071434]
EvolveNavは,適応的かつ一般化可能なナビゲーション推論を実現するための,新しい具体的推論パラダイムである。
EvolveNav は,(1) 形式化された CoT 監督ファインチューニング,(2) モデルが自己富化 CoT ラベルとして独自の推論出力で反復的に訓練され,監督の多様性を高めるために,モデルのナビゲーション推論能力を最初に活性化し,同時に推論速度を向上させるための形式化された CoT ラベルを用いてモデルを訓練する。
論文 参考訳（メタデータ） (2025-06-02T11:28:32Z) - GSON: A Group-based Social Navigation Framework with Large Multimodal Model [9.94576166903495]
本稿では,新しいグループベースのソーシャルナビゲーションフレームワークであるGSONを紹介する。
GSONは視覚的プロンプトを使用して、歩行者間の社会的関係のゼロショット抽出を可能にする。
我々は、大規模な実世界の移動ロボットナビゲーション実験を通じてGSONを検証する。
論文 参考訳（メタデータ） (2024-09-26T17:27:15Z) - Distilling Reinforcement Learning Policies for Interpretable Robot Locomotion: Gradient Boosting Machines and Symbolic Regression [53.33734159983431]
本稿では, ニューラルRLポリシをより解釈可能な形式に蒸留する新しい手法を提案する。
我々は、RLを用いて専門家のニューラルネットワークポリシーを訓練し、(i)GBM、(ii)EBM、(iii)シンボリックポリシーに蒸留する。
論文 参考訳（メタデータ） (2024-03-21T11:54:45Z) - 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) - SocNavGym: A Reinforcement Learning Gym for Social Navigation [0.0]
SocNavGymは、ソーシャルナビゲーションのための高度なシミュレーション環境である。
さまざまなタイプのソーシャルナビゲーションシナリオを生成することができる。
また、さまざまな手作りとデータ駆動のソーシャル報酬信号を扱うように設定することもできる。
論文 参考訳（メタデータ） (2023-04-27T11:29:02Z) - Counterfactual Vision-and-Language Navigation via Adversarial Path Sampling [65.99956848461915]
VLN(Vision-and-Language Navigation)は、エージェントが目標を達成するために3D環境を移動する方法を決定するタスクである。
VLNタスクの問題点の1つは、対話型環境において、人間に注釈を付けた指示で十分なナビゲーションパスを収集することは困難であるため、データの不足である。
本稿では,低品質な拡張データではなく,効果的な条件を考慮可能な,対向駆動の反実的推論モデルを提案する。
論文 参考訳（メタデータ） (2019-11-17T18:02:51Z)
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。