論文の概要: ACME: A Multi-Cultural, Multi-Embodiment Social-Navigation Dataset

• arxiv url: http://arxiv.org/abs/2607.21964v1
• Date: Fri, 24 Jul 2026 04:23:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-27 20:58:57.046123
• Title: ACME: A Multi-Cultural, Multi-Embodiment Social-Navigation Dataset
• Title（参考訳）: ACME: マルチカルチャー・マルチエンボディメント・ソーシャルナビゲーション・データセット
• Abstract要約: ACME: ソーシャルナビゲーションのためのクロスカルチャー、マルチエンボディメントデータセット。 ACMEは5か国8か国にまたがる大規模なデータ収集の取り組みで、7つのロボットエボディメントを使用している。 従来のデータセットとは違って、ロボット音声によるロボットと対話を明確にすることで、複雑な社会的シナリオにおける目標駆動型ソーシャルナビゲーション行動のキャプチャに焦点を当てている。
• 参考スコア（独自算出の注目度）: 51.60529216343344
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Understanding how robots and humans move in shared spaces is essential for designing effective social robot navigation policies and predicting human behavior. However, existing datasets often lack the diversity needed to capture differences in culture, geography, and human-robot interaction-factors that strongly shape appropriate social behavior. To address this gap, we introduce ACME: A Cross-cultural, Multi-Embodiment dataset for social navigation. A large-scale data collection effort across 8 sites in 5 countries, using 7 robot embodiments, ACME is a large and diverse multi-modal dataset aimed at advancing social navigation research, providing 29.35 hours of onboard robot data and 43.5 hours of overhead pedestrian tracking data. Unlike prior datasets, it focuses on capturing goal-driven social navigation behavior in complex social scenarios with explicit robot-crowd interaction through robot speech. To facilitate learning navigation policies and predicting pedestrian trajectories, ACME provides 3D and 2D scene features, odometry, interaction information, and human-annotated pedestrian trajectory labels. We make ACME easy to use by providing both human-readable data for each sensor modality as well as raw binary data. Our qualitative and quantitative analyses show that our dataset captures more challenging scenarios and a broader distribution of pedestrian behavior than previous datasets.
• Abstract（参考訳）: ロボットと人間が共有空間でどのように動くかを理解することは、効果的な社会ロボットナビゲーションポリシーを設計し、人間の行動を予測するために不可欠である。 しかし、既存のデータセットは文化、地理、そして適切な社会的行動を強く形作る人間とロボットの相互作用要素の違いを捉えるのに必要な多様性を欠いていることが多い。 このギャップに対処するため、我々はACME:ソーシャルナビゲーションのためのクロスカルチャー・マルチ・エンボディメント・データセットを紹介した。 ACMEは、社会ナビゲーション研究の推進を目的とした大規模で多様なマルチモーダルデータセットであり、29.35時間のオンボードロボットデータと43.5時間の頭上歩行者追跡データを提供する。 従来のデータセットとは違って、ロボット音声によるロボットと対話を明確にすることで、複雑な社会的シナリオにおける目標駆動型ソーシャルナビゲーション行動のキャプチャに焦点を当てている。 ナビゲーションポリシーの学習と歩行者軌跡の予測を容易にするため、ACMEは3Dおよび2Dシーンの特徴、オードメトリ、対話情報、人手による歩行者軌跡ラベルを提供する。 我々は,各センサのモダリティと生のバイナリデータの両方に可読データを提供することにより,ACMEをより使いやすくする。 我々の定性的および定量的分析は、我々のデータセットが以前のデータセットよりもより困難なシナリオとより広い歩行者行動の分布を捉えていることを示している。

関連論文リスト

• Bi3: A Biplatform, Bicultural, Biperson Dataset for Social Robot Navigation [5.744787254146161]
  Bi3は、制約された実験室の人々のグループ間での、ソーシャルロボットナビゲーションのデータセットである。 Bi3は、人間とロボットが、制約された環境で自分たちのアクティビティを生産的にメッシュする方法を理解するために貢献する。
  論文  参考訳（メタデータ） (2026-05-07T19:05:37Z)
• EgoVerse: An Egocentric Human Dataset for Robot Learning from Around the World [63.2070298441355]
  EgoVerseは、人間のデータ駆動型ロボット学習のためのコラボレーションプラットフォームである。 1,965のタスク、240のシーン、2,087のユニークなデモを行う人間のデモの1,362時間 (80kのエピソード) をリリースします。 複数の実験室、タスク、ロボットのエボディメントにまたがって再現された実験により、人間からロボットへの移動を大規模に研究する。
  論文  参考訳（メタデータ） (2026-04-08T21:27:06Z)
• 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)
• HHI-Assist: A Dataset and Benchmark of Human-Human Interaction in Physical Assistance Scenario [63.77482302352545]
  HHI-Assist(ヒヒ・アシスト)は、人間の介助作業における人間のインタラクションのモーションキャプチャークリップからなるデータセットである。 私たちの研究は、ロボット支援ポリシーを大幅に強化する可能性がある。
  論文  参考訳（メタデータ） (2025-09-12T09:38:17Z)
• Social-Transmotion: Promptable Human Trajectory Prediction [65.80068316170613]
  Social-Transmotionは、多種多様な視覚的手がかりを利用して人間の行動を予測する、汎用トランスフォーマーベースのモデルである。 提案手法は,JTA,JRDB,歩行者,道路交通のサイクリスト,ETH-UCYなど,複数のデータセットで検証されている。
  論文  参考訳（メタデータ） (2023-12-26T18:56:49Z)
• A Study on Learning Social Robot Navigation with Multimodal Perception [6.052803245103173]
  本稿では,大規模実世界のデータセットを用いたマルチモーダル認識を用いた社会ロボットナビゲーションの学習について述べる。 我々は,一助学習と多モーダル学習のアプローチを,異なる社会シナリオにおける古典的なナビゲーション手法のセットと比較する。 その結果、マルチモーダル学習は、データセットと人的学習の両方において、一助学習よりも明らかな優位性を持つことが示された。
  論文  参考訳（メタデータ） (2023-09-22T01:47:47Z)
• 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)
• BEHAVE: Dataset and Method for Tracking Human Object Interactions [105.77368488612704]
  マルチビューのRGBDフレームとそれに対応する3D SMPLとオブジェクトをアノテートしたアノテートコンタクトに適合させる。 このデータを用いて、自然環境における人間と物体を、容易に使用可能なマルチカメラで共同で追跡できるモデルを学ぶ。
  論文  参考訳（メタデータ） (2022-04-14T13:21:19Z)
• 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)

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。