論文の概要: Where Should I Join? Robot Group Joining via Language-Guided Goal Prediction
- arxiv url: http://arxiv.org/abs/2609.28467v1
- Date: Wed, 23 Sep 2026 17:55:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-25 00:05:18.139947
- Title: Where Should I Join? Robot Group Joining via Language-Guided Goal Prediction
- Title（参考訳）: どこに行くべきか? 言語誘導ゴール予測によるロボットグループ参加
- Abstract要約: 社会ナビゲーションは特定の目標を仮定し、社会的慣行を尊重しながら到達することに焦点を当てる一方、ロボットグループの参加には、グループのリアルタイム活動と形成に基づいて、どのグループに参加するべきかを予測する必要がある。
これは非常にセマンティックなタスクであるが、ロボットガイド犬や自律型モビリティスクーターのようなアプリケーションにとって重要な機能である。
対象グループの観察と自然言語記述が与えられた場合、ロボットは関連するグループメンバーを特定し、社会的に適合した接合ポーズを予測する。
- 参考スコア（独自算出の注目度）: 58.863959049583315
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Social navigation typically assumes a specified goal and focuses on reaching it while respecting social conventions, whereas robot group joining requires predicting where to join based on the group's real-time activity and formation. This is a highly semantic task, yet an important capability for applications such as robotic guide dogs and autonomous mobility scooters. We formulate language-grounded robot group joining: given an observation and a natural-language description of a target group, the robot identifies the relevant group members and predicts socially compliant joining poses. For grounding, we generate structured candidate subsets through recursive spectral partitioning and rank them with a language-conditioned image--geometry model. Given the grounded group, a goal predictor leverages human-formation priors to produce a multimodal energy--orientation map over feasible robot poses. Experiments on conversations, queues, and audiences across varying group sizes, crowd densities, and visual ambiguities show that our method achieves competitive grounding accuracy with sub-second inference and outperforms all baselines in joining-pose prediction. Real-robot experiments further demonstrate group joining in both static and dynamically changing interactions.
- Abstract（参考訳）: 社会ナビゲーションは通常、特定の目標を仮定し、社会的慣行を尊重しながらそれに到達することに焦点を当てる。
これは非常にセマンティックなタスクであるが、ロボットガイド犬や自律型モビリティスクーターのようなアプリケーションにとって重要な機能である。
対象グループの観察と自然言語記述が与えられた場合、ロボットは関連するグループメンバーを特定し、社会的に適合した接合ポーズを予測する。
グラウンド化のために、再帰的スペクトル分割により構造化された候補部分集合を生成し、言語条件の画像-幾何学モデルでそれらをランク付けする。
目標予測器は、接地されたグループを前提として、人間の情報を利用して、実現可能なロボットのポーズに対するマルチモーダルなエネルギー指向マップを生成する。
様々なグループサイズ,群集密度,視覚的あいまいさの会話,待ち行列,オーディエンスに対する実験により,本手法はサブ秒の推論で競争的接地精度を達成し,結合目的予測においてすべてのベースラインを上回ることを示す。
実ロボット実験はさらに、静的および動的に変化する相互作用においてグループ結合を示す。
関連論文リスト
- AffordanceWAM: Affordance-Aware Joint World-Action Modeling for Robot Manipulation [61.436480565887905]
汎用的なロボット操作は、シーンがどのように進化するかを予測する必要がある。
アクションラベル付きロボットビデオは、直接制御を監督するが、コストが高く、多様性に制限がある。
本稿では,Scalr Affordance と Affordance Heatmap によるオブジェクトの空き時間を表す,空き時間を考慮した World Action Model を提案する。
論文 参考訳（メタデータ） (2026-09-16T14:07:06Z) - The Individual-Targeting Assumption: A Systematic Review of Proactive Robots in Human Group Settings [8.26052743100074]
2000年から2025年までの63のヒト-ロボット相互作用研究を概観する。
我々は、ロボットが人間を独立したエンゲージメントターゲットとして扱う、反復的な傾向である個人目標推定(ITA)を特定する。
ITAはコーパスの60.3%に存在し、ロボットが現在進行中の相互作用に埋め込まれた後に、ほとんど完全にグループ認識アプローチが出現する。
3つの障害モード、エンゲージメントの誤検出、社会的批准の盲目、傍観者の無視は、前向きなロボットが人間のグループと対話する際に繰り返されるパターンとして現れる。
論文 参考訳（メタデータ） (2026-07-02T10:12:29Z) - Adaptive Companionship for Group-Following Robots: Handling Dynamically Changing Group Formations [0.5801044612920815]
視覚言語モデル(VLM)に基づく社会ロボットの適応型グループ伴奏手法を提案する。
提案手法は, 成功率の15%向上と衝突率の25%低減を, ベースラインアプローチと比較して効果的に行うことができる。
論文 参考訳（メタデータ） (2026-07-01T10:24:14Z) - Detection and Recognition: A Pairwise Interaction Framework for Mobile Service Robots [2.895170564353903]
サービスロボットは、安全で社会的に認識されたナビゲーションをサポートするために、地元の人間と人間のインタラクションを推論する必要がある。
ロボット中心の社会理解において,人間同士の相互作用は最小でも十分な知覚単位である,と我々は主張する。
そこで我々は,軽量な幾何学的および運動的手がかりに基づいて,まず相互作用する候補を識別する2段階の枠組みを採用した。
論文 参考訳（メタデータ） (2026-02-25T19:12:07Z) - Heterogeneous Robot Collaboration in Unstructured Environments with Grounded Generative Intelligence [54.91177026001217]
大規模言語モデル(LLM)対応のチーム化手法は、よく構造化された既知の環境を前提とするのが一般的である。
異種ロボットチームにおけるLCMの推論能力を基盤として,これらの制約に対処するフレームワークであるSPINE-HTを提案する。
我々のフレームワークは、従来のLLM対応の不均一なチームリング手法と比較して、ほぼ2倍の成功率を達成する。
論文 参考訳（メタデータ） (2025-10-30T18:24:38Z) - Air-Ground Collaboration for Language-Specified Missions in Unknown Environments [62.56917065429864]
本稿では,無人航空機 (UAV) と無人地上機 (UGV) が,自然言語で指定されたミッションを協調的に達成できる,第一種システムを提案する。
我々は、Large Language Model(LLM)対応プランナーを利用して、オンライン上に構築され、航空ロボットと地上ロボットの間で機会的に共有されるセマンティック・メトリック・マップを推論する。
論文 参考訳（メタデータ） (2025-05-14T03:33:46Z) - Comparing Apples to Oranges: LLM-powered Multimodal Intention Prediction in an Object Categorization Task [17.190635800969456]
本稿では,ロボットとの協調的な対象分類タスクにおいて,人間の意図を推定するために,Large Language Modelsを用いて検討する。
本研究では, ユーザの身振り, 身振り, 表情などの非言語的手がかりを, ユーザの意図を予測するために, 環境状態やユーザの言葉的手がかりと統合する, 新たなマルチモーダルアプローチを提案する。
論文 参考訳（メタデータ） (2024-04-12T12:15:14Z) - WALL-E: Embodied Robotic WAiter Load Lifting with Large Language Model [92.90127398282209]
本稿では,最新のLarge Language Models(LLM)と既存のビジュアルグラウンドとロボットグルーピングシステムを統合する可能性について検討する。
本稿では,この統合の例としてWALL-E (Embodied Robotic WAiter load lifting with Large Language model)を紹介する。
我々は,このLCMを利用したシステムを物理ロボットに展開し,よりユーザフレンドリなインタフェースで指導誘導型把握タスクを実現する。
論文 参考訳（メタデータ） (2023-08-30T11:35:21Z) - HARPS: An Online POMDP Framework for Human-Assisted Robotic Planning and
Sensing [1.3678064890824186]
HARPS(Human Assisted Robotic Planning and Sensing)フレームワークは、ロボットチームにおけるアクティブなセマンティックセンシングと計画のためのフレームワークである。
このアプローチにより、人間が不規則にモデル構造を強制し、不確実な環境で意味的なソフトデータの範囲を拡張することができる。
大規模部分構造環境におけるUAV対応ターゲット探索アプリケーションのシミュレーションは、時間と信念状態の推定において著しく改善されている。
論文 参考訳（メタデータ） (2021-10-20T00:41:57Z)
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。