論文の概要: CSIR: Contextually and Socially Informed Robots for Efficient Person Goal Navigation

• arxiv url: http://arxiv.org/abs/2610.02750v1
• Date: Fri, 02 Oct 2026 03:23:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-06 00:14:30.195213
• Title: CSIR: Contextually and Socially Informed Robots for Efficient Person Goal Navigation
• Title（参考訳）: CSIR:効率的目標ナビゲーションのためのコンテキストと社会的インフォームドロボット
• Abstract要約: 我々はPerson Goal Navigation(PersonNav)問題に対処し、ロボットが情報アクセシビリティと言語の不確実性に関する現実的な制約の下で人を探索できるようにする。 本研究では,ユーザが提供する情報の信頼度を重み付けした受信者(居住地と意図)に関する距離と意味情報を組み合わせた計画手法を提案する。 その結果、情報検索は古典的な距離グラフベースラインよりも優れており、セマンティクスだけでは非接地的で散発的な検索に繋がることがわかった。
• 参考スコア（独自算出の注目度）: 11.140826658860936
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We address the Person Goal Navigation (PersonNav) problem, enabling robots to search for people under realistic constraints on information accessibility and language uncertainty. This tackles the current solutions revolving around rigid person finding systems requiring exact knowledge of the individual for item-delivery in indoor settings. While the focus in literature is on learned methods using unavailable public or sparse data due to human privacy. We propose a planning framework that combines distance and semantic information about the recipient (habits and intent) weighted by the trust of the user-provided information. A synthetic benchmark of scenarios is also developed including actors, items, and requests to evaluate performance before real-world deployment aiming to simulate natural language human-robot interactions. Results show our informed search outperforms classical distance-based graph baselines, while semantics alone lead to ungrounded, sporadic search. Our method achieves strong gains over baselines, with an LLM-based variant performing comparably, and its explicit belief representation naturally supports future Bayesian filtering. Hardware tests demonstrate our method supports real-world embodiment able to leverage between semantic and distance information in a real setting. This work moves toward more intelligent mobile service agents capable of human-like, informed search in realistic environments to be leveraged in day-to-day use. https://anonymous.4open.science/r/personnavsite-4ED2/index.html.
• Abstract（参考訳）: 我々はPerson Goal Navigation(PersonNav)問題に対処し、ロボットが情報アクセシビリティと言語の不確実性に関する現実的な制約の下で人を探索できるようにする。 これは、屋内でアイテムを配達するために個人の正確な知識を必要とする、厳格な人を見つけるシステムに関する、現在のソリューションに対処する。 文学に焦点が当てられているのは、人間のプライバシによる公開データやスパースデータを使った学習方法である。 本稿では,ユーザが提供する情報の信頼度を重み付けした受信者(居住地と意図)に関する距離と意味情報を組み合わせた計画手法を提案する。 アクター、アイテム、リクエストを含むシナリオの総合ベンチマークも開発され、自然言語とロボットのインタラクションをシミュレートすることを目的とした実世界のデプロイ前にパフォーマンスを評価する。 その結果、情報検索は古典的な距離グラフベースラインよりも優れており、セマンティクスだけでは非接地的で散発的な検索に繋がることがわかった。 提案手法は,LLMに基づく変種が相互に比較可能であり,その明示的な信念表現は将来のベイズフィルタを自然に支持する。 ハードウェアテストにより,本手法は実環境における意味情報と距離情報の相互利用を可能にする。 この研究は、現実的な環境で人間のような情報検索が可能な、よりインテリジェントなモバイルサービスエージェントを日々の利用に活用する方向に向かっている。 https://anonymous.4open.science/r/personnavsite-4ED2/index.html

関連論文リスト

• RGB-D Video Generation for Improving Human-to-Robot Object Handover Prediction [51.76737991200891]
  H2R(Human-to-robot)オブジェクトハンドオーバは、人間とロボットのコラボレーションの基本的な能力である。 本稿では,RGB-DビデオデータセットであるHand2Botを紹介する。 ハンドオブジェクトの一貫性を確保しつつ,現実的なハンドオーバシーケンスを合成する生成パイプラインであるPassGenを提案する。
  論文  参考訳（メタデータ） (2026-08-13T09:55:59Z)
• NavIsaacLab: Generating Realistic Crowd via Parallel Robot Learning for Benchmarking Human-aware Navigation [40.511983590273445]
  本稿では,ナビゲーションポリシーをベンチマークし,トレーニングするための総合的なフレームワークであるNavIsaacLabについて述べる。 提案フレームワークはIsaac Labをベースとして,フォトリアリスティックなシーンレンダリング機能を採用し,GPU上での並列シミュレーションをサポートする。 人間の行動の現実性を高めるために、軌道拡散モデルと対向運動学習コントローラを組み込んだデータ駆動型アプローチを用いる。
  論文  参考訳（メタデータ） (2026-06-24T18:08:19Z)
• Open-Universe Assistance Games [6.21910767424247]
  GOODは、人間との対話中に自然言語形式で目標を抽出する、データ効率のよいオンライン手法である。 GOODはLLMに、異なる複雑な意図を持つユーザをシミュレートするよう促し、その応答を使用して、候補目標に対する確率的推論を実行する。 我々は、テキストベースの食料品ショッピングドメインと、テキスト操作型家庭用ロボット環境におけるGOODの評価を行った。
  論文  参考訳（メタデータ） (2025-08-20T23:07:10Z)
• ForesightNav: Learning Scene Imagination for Efficient Exploration [57.49417653636244]
  人間の想像力と推論に触発された新しい探索戦略であるForesightNavを提案する。 提案手法は,ロボットエージェントに,未探索領域の占有状況や意味的詳細などの文脈情報を予測する能力を備える。 本研究では,Structured3Dデータセットを用いた想像力に基づくアプローチの有効性を検証し,シーン形状の予測において,正確な占有率予測と優れた性能を示す。
  論文  参考訳（メタデータ） (2025-04-22T17:38:38Z)
• From Cognition to Precognition: A Future-Aware Framework for Social Navigation [1.9094009409000596]
  本稿では,社会的に認識されたナビゲーションに取り組むための強化学習アーキテクチャであるFalconを提案する。 我々はSocial-HM3DとSocial-MP3Dという2つの新しいデータセットを含むSocialNavベンチマークを導入する。 我々は、最先端の学習法と古典的なルールベースの経路計画アルゴリズムを用いて、詳細な実験分析を行う。
  論文  参考訳（メタデータ） (2024-09-20T06:08:24Z)
• CoNav: A Benchmark for Human-Centered Collaborative Navigation [66.6268966718022]
  協調ナビゲーション(CoNav)ベンチマークを提案する。 われわれのCoNavは、現実的で多様な人間の活動を伴う3Dナビゲーション環境を構築するという重要な課題に取り組む。 本研究では,長期的意図と短期的意図の両方を推論する意図認識エージェントを提案する。
  論文  参考訳（メタデータ） (2024-06-04T15:44:25Z)
• Navigation with Large Language Models: Semantic Guesswork as a Heuristic for Planning [73.0990339667978]
  不慣れな環境でのナビゲーションは、ロボットにとって大きな課題となる。 言語モデルを用いて、新しい現実世界環境のバイアス探索を行う。 実環境におけるLFGの評価とシミュレーションベンチマークを行った。
  論文  参考訳（メタデータ） (2023-10-16T06:21:06Z)
• NoMaD: Goal Masked Diffusion Policies for Navigation and Exploration [57.15811390835294]
  本稿では,目標指向ナビゲーションと目標非依存探索の両方を扱うために,単一の統合拡散政策をトレーニングする方法について述べる。 この統一された政策は、新しい環境における目標を視覚的に示す際に、全体的な性能が向上することを示す。 実世界の移動ロボットプラットフォーム上で実施した実験は,5つの代替手法と比較して,見えない環境における効果的なナビゲーションを示す。
  論文  参考訳（メタデータ） (2023-10-11T21:07:14Z)
• 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)
• 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。