論文の概要: PopNavShift: Stress-Testing Social Navigation under Behavioral Population Shift
- arxiv url: http://arxiv.org/abs/2609.21838v1
- Date: Fri, 18 Sep 2026 14:36:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-21 18:40:17.150116
- Title: PopNavShift: Stress-Testing Social Navigation under Behavioral Population Shift
- Title（参考訳）: PopNavShift: 行動人口シフト下でのストレステスト型ソーシャルナビゲーション
- Abstract要約: 社会的ナビゲーションアルゴリズムは、固定された歩行者行動分布の下で評価されることが多い。
歩行者人口移動下でのストレステスト型ソーシャルナビゲーション戦略のシミュレーションフレームワークであるPopNavShiftを紹介した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Social-navigation algorithms are often evaluated under a fixed pedestrian-behavior distribution, despite substantial variation in pedestrian responses to robots across individuals and social contexts. We introduce PopNavShift, a matched simulation framework for stress-testing social-navigation strategies under pedestrian population shifts. PopNavShift constructs population-conditioned pedestrian motion profiles by prompting Gemini 3.7 Flash with 600 synthetic persona records from MatrAIx Persona 1M and deterministically mapping the responses into bounded motion parameters. It then compares three representative navigation strategies, reactive avoidance, early yielding, and reciprocal collision avoidance, across eight population conditions and 7,488 matched robot runs. In a matched intervention on the same 202 personas, changing only time pressure reverses 8.6% of controller rankings based on robot travel time, but 22.4% based on mean pedestrian delay and 23.9% based on worst-decile delay. Across population conditions, this sensitivity is greater for pedestrian burden than for robot travel time and increases in spatially constrained settings; the same qualitative pattern persists under a second pedestrian dynamics model. These findings support evaluating navigation strategies across behavioral populations using both robot performance and pedestrian burden.
- Abstract（参考訳）: 社会的ナビゲーションアルゴリズムは、個人や社会的文脈におけるロボットに対する歩行者反応のかなりの変化にもかかわらず、固定された歩行者行動分布の下で評価されることが多い。
歩行者人口移動下でのストレステスト型ソーシャルナビゲーション戦略のシミュレーションフレームワークであるPopNavShiftを紹介した。
PopNavShiftは、MatrAIx Persona 1Mから600の合成ペルソナレコードでジェミニ3.7フラッシュを誘導し、応答を境界運動パラメータに決定的にマッピングすることで、人口条件付き歩行者の動きプロファイルを構築する。
次に、反応回避、早期収差、相互衝突回避の3つの代表的なナビゲーション戦略を、8つの人口状況と7,488個のロボットランで比較する。
同じ202人の人物に対する一致した介入では、時間圧だけを変えると、ロボットの走行時間に基づくコントローラーランキングの8.6%が逆転するが、平均歩行者遅延に基づく22.4%、最悪の遅延に基づく23.9%が逆転する。
人口状況全体では、この感度はロボットの走行時間よりも歩行者の負担が大きく、空間的に制約された設定が増加し、同じ定性的パターンは第2の歩行者動態モデルの下で持続する。
これらの知見は,ロボット性能と歩行者負担の両面から行動集団間のナビゲーション戦略を評価することを支援する。
関連論文リスト
- PRISM: Predictive Representation of Interaction Style and Motion for Social Robot Navigation [19.052094971512844]
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。
論文 参考訳（メタデータ） (2026-09-16T05:01:27Z) - Human-Human & Human-Robot Interaction Transformer (H2INT) for Robot Navigation in Dense and Uncertain Crowds [22.53637772629958]
本稿では,政策学習における歩行動作のロボット条件変化を継続する強化学習フレームワークを提案する。
応答性は、ロボットが見えるが、ポリシー入力として供給されないときの群集のダイナミクスに影響を与える。
カリキュラムは、歩行者の応答性を徐々に減少させ、相互作用の困難を増大させる。
論文 参考訳（メタデータ） (2026-09-04T15:53:56Z) - Optimal-Horizon Social Robot Navigation in Heterogeneous Crowds [39.07961392770344]
環境の不確実性や複雑な人間とロボットの相互作用のため、密集した動的な群集の中で社会ロボットをナビゲートすることは困難である。
MPCは、強力なリアルタイムパフォーマンスを提供し、固定された予測地平線への依存は、環境の変化や社会的ダイナミクスへの適応性を制限している。
オンライン上でのMPCの視線を推定した状況に応じて最適化する最適水平社会ナビゲーションフレームワークを提案する。
論文 参考訳（メタデータ） (2026-02-28T07:09:15Z) - 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) - 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) - Hyp2Nav: Hyperbolic Planning and Curiosity for Crowd Navigation [58.574464340559466]
我々は,群集ナビゲーションを実現するための双曲学習を提唱し,Hyp2Navを紹介した。
Hyp2Navは双曲幾何学の本質的な性質を活用し、ナビゲーションタスクにおける意思決定プロセスの階層的性質をよりよく符号化する。
本稿では, 効果的なソーシャルナビゲーション, 最高の成功率, 複数シミュレーション設定におけるリターンをもたらす, 双曲型ポリシーモデルと双曲型好奇性モジュールを提案する。
論文 参考訳（メタデータ） (2024-07-18T14:40:33Z) - Principles and Guidelines for Evaluating Social Robot Navigation
Algorithms [44.51586279645062]
社会的ロボットナビゲーションは、動的エージェントとそのロボット行動の適切性に対する認識が関係しているため、評価が難しい。
コントリビューションには、(a)安全性、快適性、妥当性、丁寧さ、社会的能力、エージェント理解、活動性、文脈に対する応答性に関する原則、(b)メトリクスの使用のためのガイドライン、シナリオ、ベンチマーク、データセット、社会ナビゲーションを評価するためのシミュレーター、(c)様々なシミュレーター、ロボット、データセットの結果の比較を容易にするソーシャルナビゲーションメトリクスフレームワークなどが含まれます。
論文 参考訳（メタデータ） (2023-06-29T07:31:43Z) - 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) - SocialVAE: Human Trajectory Prediction using Timewise Latents [4.640835690336652]
SocialVAEは、後部ニューラルネットワークを利用して予測を行う、時間的に変化するオートエンコーダアーキテクチャである。
そこで,SocialVAEは,現在最先端の歩行者軌道予測ベンチマークを改善していることを示す。
論文 参考訳（メタデータ） (2022-03-15T19:14:33Z) - Intention Aware Robot Crowd Navigation with Attention-Based Interaction
Graph [3.8461692052415137]
本研究では,高密度で対話的な群集における安全かつ意図に配慮したロボットナビゲーションの課題について検討する。
本稿では,エージェント間の異種相互作用を捕捉するアテンション機構を備えた新しいグラフニューラルネットワークを提案する。
提案手法は,群集ナビゲーションのシナリオにおいて,優れたナビゲーション性能と非侵襲性をロボットが実現できることを実証する。
論文 参考訳（メタデータ） (2022-03-03T16:26:36Z)
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。