論文の概要: SoGuDiff: Socially Guided Diffusion for Steerable, Norm-Grounded Robot Navigation
- arxiv url: http://arxiv.org/abs/2609.30560v1
- Date: Thu, 24 Sep 2026 21:11:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-28 18:27:51.143086
- Title: SoGuDiff: Socially Guided Diffusion for Steerable, Norm-Grounded Robot Navigation
- Title（参考訳）: SoGuDiff: ステアブルでノームを囲むロボットナビゲーションのためのソーシャルガイド付き拡散
- Abstract要約: 社会的に有能なロボットナビゲーションは、文脈や文化によって異なる暗黙の社会的慣行に固執する必要がある。
本稿では,展開時に社会行動を調整できる拡散型ナビゲーション・フレームワークを提案する。
- 参考スコア（独自算出の注目度）: 11.485074686826472
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Beyond collision avoidance, socially competent robot navigation requires adherence to implicit social conventions that vary across contexts, cultures, and deployment requirements. Many conventional navigation policies learn a single normative behavior, either through reinforcement learning against a fixed reward function or imitation of human demonstrations, exposing no interface for adjusting that conduct at runtime. We present a diffusion-based navigation framework whose social behavior can be tuned at deployment: a desired style is specified, such as how closely the robot passes, which side it yields to, or how much it defers to groups, and the planner adapts accordingly. Continuous style axes can be followed independently or composed, spanning a behavioral space rather than discrete, primitive-based specifications. A feasibility projection layer separates learned social behavior from kinematic feasibility and collision avoidance. A single-axis sweep illustrates a tradeoff curve that strictly dominates the evaluated fixed-behavior baseline configurations, and stylistic differences are replicated in real-world demonstrations.
- Abstract（参考訳）: 衝突回避以外にも、社会的に有能なロボットナビゲーションは、コンテキスト、文化、デプロイメント要件によって異なる暗黙の社会的慣行に固執する必要がある。
多くの従来のナビゲーションポリシーは、固定された報酬関数に対する強化学習や、人間のデモンストレーションの模倣を通じて、実行時の行動を調整するためのインターフェースを公開することによって、単一の規範的行動を学ぶ。
ロボットがどの程度近づいたか、どの側に収まるか、群にどの程度の差があるかなど、望ましいスタイルが指定され、それに応じてプランナーが適応する。
継続的スタイルのxは、独立したプリミティブな仕様ではなく、行動空間にまたがって、独立して、あるいは構成することができる。
実現可能性投影層は、学習された社会的行動と運動可能性と衝突回避とを分離する。
単一軸スイープは、評価された固定行動のベースライン構成を厳密に支配するトレードオフ曲線を示し、現実のデモでは、スタイリスティックな違いが再現される。
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) - AutoPath: Learning Transferable Goal-Conditioned Stochastic Path Prior for Safe Navigation Without Human Demonstrations [103.61864552260316]
動的環境におけるリアルタイムナビゲーションは、限られた知覚下での衝突のない、動的に実現可能な動きを必要とする。
我々は,移動可能な目標整合経路の学習としてナビゲーションを定式化し,局所的な観測に基づいて,目標整合な局所経路上の再利用可能な分布をモデル化する。
我々は、幾何対応の極性行動多様体を用いて局所経路をパラメータ化し、安定かつ安全対応の計画のためのマルチゴール分散ロールアウトによるリスク感応性ユーティリティシェーピングを含む構造化された事前学習フレームワークを開発した。
論文 参考訳（メタデータ） (2026-07-13T16:00:41Z) - PriGo: Test-Time Primitive Guidance to Diffusion and Flow Policies for Adaptive Robotic Manipulation [28.358317763869664]
PriGoは、堅牢なロボット操作のためのプリミティブ誘導テストタイム適応フレームワークである。
本稿では,観測結果から直接原始分布を推定する軽量プリミティブ予測モジュールPANetを紹介する。
以前のプリミティブ条件のアプローチとは異なり、PriGoは完全にテスト時に動作し、事前訓練された拡散とフローポリシーにシームレスに統合できる。
論文 参考訳（メタデータ） (2026-07-08T07:08:11Z) - DeSeG: Decoupling Semantic Intent and Geometric Constraints for Physically Plausible Human-Scene Interaction [50.06148080975928]
本稿では,意味的意図を幾何学的制約から明確に分離する階層型フレームワークであるDeSeGを提案する。
DeSeGは最先端のパフォーマンスを実現し、平均シーン浸透率を47%削減し、SOTAベースラインに対するセマンティックアライメントを29%改善した。
論文 参考訳（メタデータ） (2026-07-07T03:21:08Z) - Ordinal Neural Collapse as a Representation Prior for Visual Navigation [14.612259909790454]
本稿では,ナビゲーション動作の順序構造に従ってエンコーダの表現空間を整理する手法であるORIONを提案する。
実験によると、ORIONはナビゲーションの成功率と目標達成率において、エンドツーエンドと神経崩壊のベースラインを一貫して上回っている。
論文 参考訳（メタデータ） (2026-06-25T10:25:25Z) - Trajectory Learning with Graph Representations for Social Robot Navigation [1.0732935873226022]
社会に適応したナビゲーションに社会的ダイナミクスを活用する模倣学習フレームワークを提案する。
本稿では,時間的ダイナミクスを捕捉し,エラーの蓄積を緩和するナビゲーションモジュールを提案する。
我々のフレームワークは、シミュレーションに基づくデータ駆動ベースラインと、さまざまなソーシャルメトリクスにわたる実世界のデータセットより優れています。
論文 参考訳（メタデータ） (2026-06-21T23:57:54Z) - OmniVTON++: Training-Free Universal Virtual Try-On with Principal Pose Guidance [85.23143742905695]
画像ベースの仮想トライオン(VTON)は、人間のポーズと身体の制約下での衣服の再レンダリングを通じて、現実的な人物画像の合成を懸念する。
OmniVTON++は、トレーニング不要なVTONフレームワークで、普遍的な適用性のために設計されている。
論文 参考訳（メタデータ） (2026-02-16T08:27:43Z) - 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) - Learning to Tune Like an Expert: Interpretable and Scene-Aware Navigation via MLLM Reasoning and CVAE-Based Adaptation [12.561993540768729]
サービスロボットのための解釈可能かつシーン対応ナビゲーションフレームワークLE-Navについて述べる。
ゼロショットシーン理解を実現するために,ワンショット例とチェーン・オブ・シークレット・プロンプト戦略を利用する。
実験の結果、LE-Navは多種多様なプランナーやシナリオにまたがる人間レベルのチューニングを実現するためのハイパーパラメータを生成できることがわかった。
論文 参考訳（メタデータ） (2025-07-15T05:37:24Z) - Diffusion Transformer Policy [48.50988753948537]
本稿では,拡散変圧器ポリシー(Diffusion Transformer Policy)と呼ばれる多モード拡散変圧器を提案し,連続的なエンドエフェクタ動作をモデル化する。
トランスのスケーリング機能を活用することで、提案手法は、多種多様なロボットデータセットにわたる継続的エンドエフェクタアクションを効果的にモデル化することができる。
論文 参考訳（メタデータ） (2024-10-21T12:43:54Z) - Inferring Versatile Behavior from Demonstrations by Matching Geometric
Descriptors [72.62423312645953]
人間は直感的にタスクを多目的に解決し、軌道に基づく計画や個々のステップの行動を変化させる。
現在のImitation Learningアルゴリズムは、通常、単調な専門家によるデモンストレーションのみを考慮し、状態アクションベースの設定で行動する。
代わりに、移動プリミティブの混合と分布マッチングの目的を組み合わせることで、専門家の行動と汎用性にマッチする多目的行動を学ぶ。
論文 参考訳（メタデータ） (2022-10-17T16:42:59Z)
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。