論文の概要: TRACER: Adaptive Multi-Robot Social Navigation via Joint Human-Response Prediction and Interaction-Aware Replanning
- arxiv url: http://arxiv.org/abs/2609.18776v1
- Date: Wed, 16 Sep 2026 14:59:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-20 08:55:53.860132
- Title: TRACER: Adaptive Multi-Robot Social Navigation via Joint Human-Response Prediction and Interaction-Aware Replanning
- Title（参考訳）: TRACER: 協調型ヒューマンレスポンス予測とインタラクションアウェアリプランニングによる適応型マルチロボットソーシャルナビゲーション
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 15.947366731480585
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Multi-robot navigation in human-shared spaces is inherently interactive: coordinated robot motions influence how nearby entities respond, while those responses provide valuable information for subsequent robot decisions. However, existing methods typically address action-conditioned prediction, multi-robot planning, or online adaptation separately, and therefore lack a unified mechanism for modeling joint robot-entity interactions and adapting future decisions from executed interaction outcomes. To address this gap, we propose TRACER, a bi-directional receding-horizon framework that closes the loop between prediction and adaptation. TRACER evaluates candidate (i.e., alternative feasible future motion plans for the robot team) trajectories using a per-entity probabilistic response model that separates individual-robot effects from non-additive pairwise interactions; after executing the selected trajectory prefix, it updates persistent identity-bound beliefs over latent response modes using the synchronized observed responses. These updated beliefs then guide subsequent candidate evaluation under probabilistic safety and response-aware cost criteria. Experiments show that (i) TRACER more accurately captures non-additive multi-robot interaction effects than a capacity-matched additive predictor, (ii) persistent identity-consistent evidence improves response prediction and downstream replanning, and (iii) the complete TRACER framework improves collision-free completion over an independent-robot baseline on the SocialGym2 multi-robot social-navigation benchmark.
- Abstract（参考訳）: 協調されたロボットの動きは、近隣のエンティティの反応に影響を与え、それらの応答はその後のロボット決定に貴重な情報を提供する。
しかし、既存の手法は、アクション条件付き予測、マルチロボット計画、オンライン適応を別々に扱うのが一般的であり、従って、共同ロボットとの相互作用をモデル化し、実行された相互作用結果から将来の決定を適応するための統一的なメカニズムが欠如している。
このギャップに対処するために,予測と適応のループを閉じる双方向回帰水平フレームワークTRACERを提案する。
TRACERは、個々のロボット効果を非付加的なペアワイズ相互作用から分離するパーエンタリティ確率的応答モデルを用いて、候補(つまり、ロボットチームのための代替可能な将来の運動計画)の軌跡を評価し、選択された軌跡プレフィックスを実行した後、同期された観察応答を用いて潜時応答モード上で永続的なアイデンティティ境界の信念を更新する。
これらの更新された信念は、確率論的安全性と応答対応コスト基準の下で、その後の候補評価を導く。
実験では
(i)TRACERはキャパシティマッチングされた付加性予測器よりも、より正確に非付加性多ボット相互作用効果をキャプチャする。
(二)永続的同一性証拠は、応答予測及び下流再計画を改善し、
3)完全なTRACERフレームワークは、SocialGym2マルチロボットソーシャルナビゲーションベンチマーク上の独立ロボットベースライン上での衝突のない補完を改善する。
関連論文リスト
- SAGE: A Socially-Aware Generative Engine for Heterogeneous Multi-Agent Navigation [20.851820019451587]
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。
論文 参考訳（メタデータ） (2026-07-18T03:40:59Z) - Chatting about Conditional Trajectory Prediction [9.783060985404386]
条件付き軌道予測(CiT)のためのクロス時間領域意図対話法を提案する。
提案したCitは、時間とともに行動意図を共同で分析し、異なる時間領域における情報補完と統合を実現する。
さらに、CitTはロボットの動き計画と制御モジュールと密に統合し、任意の軌道予測結果を生成するように設計されている。
論文 参考訳（メタデータ） (2026-04-20T11:44:16Z) - Joint Prediction of Human Motions and Actions in Human-Robot Collaboration [81.20389836121502]
我々は,人間の行動と行動の共役推定と予測のための階層的枠組みであるtextsfMA-HERPを紹介した。
本研究では, 筋骨格シミュレーションを用いて, 騒音下での正確な動き予測と頑健な動作推定を示す予備的な実験評価を行った。
論文 参考訳（メタデータ） (2026-04-03T14:40:07Z) - 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) - 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) - 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) - Continuous ErrP detections during multimodal human-robot interaction [2.5199066832791535]
我々は,シミュレーションロボットが音声やジェスチャーを通じて人間とコミュニケーションする,マルチモーダルなヒューマンロボットインタラクション(HRI)シナリオを実装した。
人間のパートナーは、ロボットが選択した動作(ポインティングジェスチャー)とロボットの口頭発表(意図)が一致しているかを評価する。
脳波で明らかな、人間によるロボット行動の本質的な評価は、リアルタイムで記録され、オンラインで連続的にセグメンテーションされ、非同期に分類された。
論文 参考訳（メタデータ） (2022-07-25T15:39:32Z) - Leveraging Neural Network Gradients within Trajectory Optimization for
Proactive Human-Robot Interactions [32.57882479132015]
本稿では, トラジェクトリ最適化(TO)の解釈可能性と柔軟性を, 最先端の人間のトラジェクトリ予測モデルの予測能力と融合する枠組みを提案する。
我々は,最大10人の歩行者の群集を安全に効率的に移動させるロボットを必要とするマルチエージェントシナリオにおいて,我々のアプローチの有効性を実証する。
論文 参考訳（メタデータ） (2020-12-02T08:43:36Z) - 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) - End-to-end Contextual Perception and Prediction with Interaction
Transformer [79.14001602890417]
我々は3次元物体の検出と将来の動きを自動運転の文脈で予測する問題に取り組む。
空間的・時間的依存関係を捉えるために,新しいトランスフォーマーアーキテクチャを用いたリカレントニューラルネットワークを提案する。
私たちのモデルはエンドツーエンドでトレーニングでき、リアルタイムで実行されます。
論文 参考訳（メタデータ） (2020-08-13T14:30:12Z)
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。