論文の概要: PRISM: Predictive Representation of Interaction Style and Motion for Social Robot Navigation
- arxiv url: http://arxiv.org/abs/2609.18125v1
- Date: Wed, 16 Sep 2026 05:01:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-20 08:55:53.637705
- Title: PRISM: Predictive Representation of Interaction Style and Motion for Social Robot Navigation
- Title（参考訳）: PRISM:社会ロボットナビゲーションのためのインタラクションスタイルと動作の予測表現
- Abstract要約: 人間のインタラクションの受動的観察から相互作用特性を推定するフレームワークであるPRISMを提案する。
PRISMは、ランク-N-コントラスト損失によって訓練されたトランスフォーマーエンコーダを用いて、人間の軌道を連続した順序付き潜在空間に符号化する。
ランダム化された群集シミュレーションでは、PRISMはジオメトリのみのベースライン上の衝突率を減少させ、ナビゲーション時間とパス長のメトリクスをわずかに改善する。
- 参考スコア（独自算出の注目度）: 19.052094971512844
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Humans often observe others before interacting and adjust their behavior accordingly. Robot navigation in crowds, however, often represents pedestrians mainly by observed geometric states, leaving individual differences in interaction tendencies implicit. We propose PRISM (Predictive Representation of Interaction Style and Motion), a framework that infers interaction traits from passive observations of human-human interactions. PRISM encodes human trajectories into a continuous ordinal latent space with a transformer encoder trained by Rank-N-Contrast loss, and pairs each inferred trait with a temporal-stability score supplied to the navigation policy. In randomized crowd simulations, PRISM reduces collision rates over the geometry-only baseline and yields small improvements in navigation-time and path-length metrics. These results suggest the utility of passive latent-trait inference for social navigation in dynamic crowds.
- Abstract（参考訳）: 人間は対話する前に他人を観察し、それに応じて行動を調整する。
しかし、群衆のロボットナビゲーションは、主に観察された幾何学的状態によって歩行者を表現し、個々の相互作用の傾向の差は暗黙的に残る。
PRISM(Predictive Representation of Interaction Style and Motion)は,人間のインタラクションの受動的観察から相互作用特性を推定するフレームワークである。
PRISMは、ランク-N-コントラスト損失によって訓練されたトランスフォーマーエンコーダを用いて、人間の軌道を連続した順序付き潜在空間に符号化し、ナビゲーションポリシーに供給される時間安定性スコアと、それぞれをペアリングする。
ランダム化された群集シミュレーションでは、PRISMはジオメトリのみのベースライン上の衝突率を減少させ、ナビゲーション時間とパス長のメトリクスをわずかに改善する。
これらの結果は,動的群集におけるソーシャルナビゲーションにおけるパッシブ・ラテント・トレイト推論の有用性を示唆している。
関連論文リスト
- TRACER: Adaptive Multi-Robot Social Navigation via Joint Human-Response Prediction and Interaction-Aware Replanning [15.947366731480585]
人影空間におけるマルチロボットナビゲーションは本質的にインタラクティブである。
本稿では,予測と適応のループを閉じる双方向リテーディング・ホライゾン・フレームワークであるTRACERを提案する。
実験により、TRACERはキャパシティマッチングされた添加物予測器よりも、より正確に付加的でない多ボット相互作用効果を捉えることが示された。
論文 参考訳（メタデータ） (2026-09-16T14:59:12Z) - SocialMirror: Reconstructing 3D Human Interaction Behaviors from Monocular Videos with Semantic and Geometric Guidance [49.69016078147708]
密接な相互作用シナリオにおける人間の行動の正確な再構築は、拡張現実における現実的な仮想インタラクションの実現に不可欠である。
本稿では,これらの問題に効果的に対処するための意味的および幾何学的手がかりを統合する拡散ベースのフレームワークであるSocialMirrorを提案する。
SocialMirrorはインタラクティブなヒューマンメッシュを再構築する上で,最先端のパフォーマンスを実現している。
論文 参考訳（メタデータ） (2026-04-15T07:41:52Z) - Learning Whole-Body Human-Humanoid Interaction from Human-Human Demonstrations [63.80827184637476]
D-STAR(D-STAR)は,行動すべき場所から行動すべき場所を乱す階層的な政策である。
広範かつ厳密なシミュレーションを通じて、我々のフレームワークを検証する。
論文 参考訳（メタデータ） (2026-01-14T14:37:06Z) - 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) - 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) - IA-LSTM: Interaction-Aware LSTM for Pedestrian Trajectory Prediction [1.3597551064547502]
群衆シナリオにおける歩行者の軌道予測は、自動運転車や自律移動ロボットの分野において不可欠である。
従来の研究者は人間と人間の相互作用をモデル化する方法に重点を置いていたが、相互作用の相対的重要性を無視した。
人間の相互作用の相対的重要性を測定するために、コレントロピーに基づく新しいメカニズムが導入された。
論文 参考訳（メタデータ） (2023-11-26T05:17:11Z) - Interaction Transformer for Human Reaction Generation [61.22481606720487]
本稿では,時間的,空間的両方の注意を持つトランスフォーマーネットワークからなる対話型トランスフォーマー(InterFormer)を提案する。
我々の手法は一般的であり、より複雑で長期的な相互作用を生成するのに利用できる。
論文 参考訳（メタデータ） (2022-07-04T19:30:41Z) - Social-DualCVAE: Multimodal Trajectory Forecasting Based on Social
Interactions Pattern Aware and Dual Conditional Variational Auto-Encoder [14.05141917351931]
マルチモーダル軌道予測のための条件付き変分自動エンコーダ(Social-DualCVAE)を提案する。
これは、過去の軌跡だけでなく、教師なしの相互作用パターンの分類にもとづく生成モデルに基づいている。
提案手法は,広く用いられているトラジェクトリ・ベンチマークで評価され,従来の最先端手法よりも優れていた。
論文 参考訳（メタデータ） (2022-02-08T16:04:47Z) - SSAGCN: Social Soft Attention Graph Convolution Network for Pedestrian
Trajectory Prediction [59.064925464991056]
ソーシャルソフトアテンショングラフ畳み込みネットワーク(SSAGCN)という新しい予測モデルを提案する。
SSAGCNは、歩行者間の社会的相互作用と歩行者と環境間のシーンインタラクションを同時に扱うことを目的としている。
公開データセットの実験は、SAGCNの有効性を証明し、最先端の結果を得た。
論文 参考訳（メタデータ） (2021-12-05T01:49:18Z)
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。