論文の概要: Socialality Anchors: Towards Group-bounded Trajectory Prediction
- arxiv url: http://arxiv.org/abs/2609.36852v1
- Date: Tue, 29 Sep 2026 07:00:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-30 21:28:47.253051
- Title: Socialality Anchors: Towards Group-bounded Trajectory Prediction
- Title（参考訳）: 社会的アンカー : グループ境界軌道予測に向けて
- Abstract要約: 軌道予測は動的シーンにおける人間の行動パターンを理解するための重要な要素である。
解釈可能な社会性アンカーを用いた人為的な軌道予測フレームワークである社会性を提案する。
- 参考スコア（独自算出の注目度）: 20.06786796151554
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Trajectory prediction is a key component for understanding human behavior patterns in dynamic scenes. Researchers have devoted substantial efforts to modeling social interactions, especially group-wise interactions, since group membership often reflects shared intention, coordinated motion, and stable mutual adaptation, thus providing a persistent and semantically meaningful social prior for forecasting. However, existing group modeling methods may rely on a fixed threshold and infer groups mainly from agents' relative positions within the observation window, overlooking the fact that grouping rules should be agent-specific, temporally coherent, and context-adaptive across diverse personalities, culturalities, and evolving interaction contexts. Inspired by human social perception that alternates between interpersonal distance in boundary-sensitive situations and relative speed consistency in dynamic interactions, we propose Socialality, a human-inspired trajectory prediction framework with interpretable Socialality anchors and an extended grouping window for stable, context-aware grouping inference. Concretely, Socialality introduces a duo-scalar-controlled grouping kernel Socialality that jointly leverages historical observations and short-term future trajectory previews to learn agent-specific grouping rules, and employs a group-wise perception mechanism to model in-group and out-of-group interactions in an intuitive and explainable manner. Furthermore, we conduct extensive experiments on standard benchmarks to demonstrate the performance gains of Socialality, and provide qualitative analyses and statistical studies of anchor distributions to verify the interpretability and stability of the proposed Socialality anchors.
- Abstract（参考訳）: 軌道予測は動的シーンにおける人間の行動パターンを理解するための重要な要素である。
グループメンバーシップは、しばしば共通の意図、協調された動き、安定した相互適応を反映し、予測のための永続的で意味のある社会的事前を提供するため、社会的相互作用、特に集団的相互作用のモデル化に多大な努力を払ってきた。
しかし、既存のグループモデリング手法は一定のしきい値に依存し、主に観察窓内のエージェントの相対的な位置からグループを推論し、グループ化ルールはエージェント固有のものであり、時間的に一貫性があり、多様な個人性、文化、進化する相互作用の文脈に適応するという事実を見越すことができる。
境界感的な状況における対人距離と動的相互作用における相対的な速度一貫性を交互に交互に行う人間の社会的知覚に触発された社会性予測フレームワークSocialalityを提案する。
具体的には、ソーシャルナリティは、歴史的観察と短期的な将来の軌道プレビューを併用してエージェント固有のグループ化規則を学習し、グループ内の相互作用とグループ外の相互作用を直感的で説明可能な方法でモデル化するグループワイズ認知機構を採用する、二重スカラー制御型グループ化カーネルのソーシャルナリティを導入している。
さらに,ソーシャルナリティの性能向上を実証するために,標準ベンチマークの広範な実験を行い,提案したソーシャルナリティアンカーの解釈可能性と安定性を検証するために,アンカー分布の質的分析と統計的研究を行った。
関連論文リスト
- Generative Interactions: Weaving Multiparty Human Motion with Bilevel Latent Dynamics [2.5840709738256122]
エージェントインタラクションダイナミクス(BRAID)のためのバイレベル表現について紹介する。
BRAIDは、生成的多人数インタラクションのための逐次潜在変数モデルである。
グループレベルの潜伏状態を通じて各シーンを表現し、共有インタラクションのダイナミクスと個人レベルの潜伏状態をキャプチャする。
論文 参考訳（メタデータ） (2026-09-29T14:40:40Z) - Behavior is Not Enough: A Mechanism-Based Evaluation of Social Norm Emergence in LLM Societies [3.866688354921775]
我々は,行動収束に加えて,エージェントが報告した経験的,規範的期待を測定するための評価枠組みを導入する。
社会的学習は行動の安定化を図り、社会的選択はコオペレーターを確実に識別するが、行動強化は限定的である。
論文 参考訳（メタデータ） (2026-09-22T14:21:04Z) - HRIBench: Benchmarking Interaction-Centric Human-Robot Collaboration [62.19372189311434]
HRIBenchは,実行シナリオに基づいた意図認識型人間ロボットコラボレーションの診断ベンチマークである。
HRIBenchは、エージェントの役割、時間的依存、調整の制約、人間の振る舞いの分布を明示的にモデル化する構造化シナリオスクリプトとして、協調的なタスクを表現している。
その結果,現状の基盤ロボット政策は,操作能力が強いにもかかわらず,協調的な環境下では極めて困難であることが示唆された。
論文 参考訳（メタデータ） (2026-07-05T09:15:35Z) - SocialOmni: Benchmarking Audio-Visual Social Interactivity in Omni Models [86.19617358080016]
Social Omniは、3つのコア次元にわたる対話性の評価を運用するベンチマークである。
Social Omniは2000の知覚サンプルと209の相互作用生成インスタンスの品質管理された診断セットを備えている。
本分析により,モデルの知覚的精度と,文脈的に適切な割り込みを生成する能力との間に顕著な疎結合が明らかとなった。
論文 参考訳（メタデータ） (2026-03-17T17:58:44Z) - Part-Aware Bottom-Up Group Reasoning for Fine-Grained Social Interaction Detection [82.70752567211251]
本稿では,詳細なソーシャルインタラクション検出のためのボトムアップグループ推論フレームワークを提案する。
提案手法は,身体部分の特徴と対人関係を用いて,社会的グループとその相互作用を推定する。
モデルではまず個人を検知し,その特徴を部分認識的手がかりを用いて拡張し,類似性に基づく推論によって個人を連想させることによりグループ構成を推論する。
論文 参考訳（メタデータ） (2025-11-05T17:33:03Z) - Social Processes: Probabilistic Meta-learning for Adaptive Multiparty Interaction Forecasting [3.9134031118910264]
社会プロセス(SP)モデルを導入し、全てのグループメンバーに対して、将来のマルチモーダルキューの分布を予測する。
また,現実的な合成データセットを用いて,SPモデルの出力および潜時空間における一般化能力を解析した。
論文 参考訳（メタデータ） (2025-01-03T17:34:53Z) - Who Walks With You Matters: Perceiving Social Interactions with Groups for Pedestrian Trajectory Prediction [14.009392073139441]
本稿では,GrouP ConCeption(GPCC)モデルを提案する。
GPCCモデルでは、軌道予測精度が大幅に向上し、社会的・個人的ダイナミクスをモデル化する上での有効性が検証された。
論文 参考訳（メタデータ） (2024-12-03T11:47:33Z) - 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) - Rethinking Trajectory Prediction via "Team Game" [118.59480535826094]
本稿では,対話型グループコンセンサスの概念を明示的に導入した,マルチエージェント軌道予測の新しい定式化について述べる。
チームスポーツと歩行者の2つのマルチエージェント設定において,提案手法は既存手法と比較して常に優れた性能を達成している。
論文 参考訳（メタデータ） (2022-10-17T07:16:44Z)
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。