論文の概要: ChairNav: Cross-Embodiment Pre-training and Personalization for Long-Horizon Wheelchair Navigation

• arxiv url: http://arxiv.org/abs/2610.24012v1
• Date: Thu, 15 Oct 2026 22:37:57 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-20 11:55:01.502794
• Title: ChairNav: Cross-Embodiment Pre-training and Personalization for Long-Horizon Wheelchair Navigation
• Title（参考訳）: ChairNav: 長距離車椅子ナビゲーションのためのクロス・エボディメント・プレトレーニングとパーソナライズ
• Abstract要約: ChairNavは、一般的な視覚ナビゲーションモデルをパーソナライズされた電動車椅子ナビゲーションシステムに適合させる新しいフレームワークである。 RGB-DカメラとNVIDIA Jetson計算モジュールを搭載した商用電動車椅子にChairNavを配置する。
• 参考スコア（独自算出の注目度）: 32.64518005792143
• License:
• Abstract: Developing autonomous electric wheelchairs capable of long-horizon sidewalk navigation is critical for accessible personal mobility, yet existing approaches either focus on indoor map-based navigation or rely on expensive, complex sensor stacks to achieve full autonomy. In this work, we propose to tackle outdoor sidewalk navigation by leveraging visual navigation foundation models and large-scale navigation datasets, which offer strong generalization using lightweight hardware. To this end, we present ChairNav, a novel framework that adapts a general visual navigation model into a personalized electric wheelchair navigation system using a three-stage data pyramid. To address the scarcity of in-domain data, ChairNav first pre-trains on large-scale cross-embodiment datasets transformed into the wheelchair domain, followed by mid-training on a small number of wheelchair demonstrations to eliminate remaining domain gaps. Finally, a post-training stage refines the deployed model from user interventions to personalize its behavior. We deploy ChairNav on a commercial electric wheelchair equipped with an RGB-D camera and an onboard NVIDIA Jetson compute module. Experimental results validate the effectiveness of each stage in our data pyramid: pre-training reduces lateral ADE by 18%, and post-training increases the mean distance between user interventions from 29.2 m to 57.4 m. Further evaluation on kilometer-scale urban sidewalk routes shows that our system operates autonomously for 93.4% of total driving time, demonstrating its potential for everyday accessible mobility. Demo video and more details are at https://vail.cs.ucla.edu/ChairNav/.
• Abstract（参考訳）: 長距離歩道ナビゲーションが可能な自律型電動車椅子の開発は、個人用モビリティにとって重要であるが、既存のアプローチは屋内マップベースのナビゲーションに注力するか、より高価な複雑なセンサースタックに依存して完全な自律性を実現する。 本研究では,視覚的ナビゲーション基盤モデルと大規模ナビゲーションデータセットを活用し,軽量ハードウェアによる強力な一般化を実現することにより,屋外の歩道ナビゲーションに取り組むことを提案する。 この目的のために,3段階のデータピラミッドを用いたパーソナライズされた電動車椅子ナビゲーションシステムに汎用的な視覚ナビゲーションモデルを適用する新しいフレームワークであるChairNavを提案する。 ドメイン内のデータの不足に対処するため、ChairNavはまず、車椅子ドメインに変換された大規模なクロスエボディメントデータセットの事前トレーニングを行い、続いて少数の車椅子デモの中間トレーニングを実施して、残りのドメインギャップを排除した。 最後に、トレーニング後の段階は、ユーザの介入からデプロイされたモデルを洗練して、その振る舞いをパーソナライズする。 RGB-DカメラとNVIDIA Jetson計算モジュールを搭載した商用電動車椅子にChairNavを配置する。 データピラミッドにおける各ステージの有効性を実験的に検証し, プレトレーニングにより側方ADEが18%減少し, ユーザ介入間の平均距離が29.2mから57.4mに増加した。 さらに,キロスケールの都市歩道ルートのさらなる評価により,運転時間の93.4%が自律運転であり,日常的な移動手段の可能性を示している。 デモビデオと詳細はhttps://vail.cs.ucla.edu/ChairNav/.com/。

関連論文リスト

• Universal Navigation Interface: Robot-Free Data for Wheeled Robot Navigation [3.7222845193679213]
  Universal Interface(UNI)は4輪歩行器とスマートフォンを使って現実世界のデータを収集するロボットフリーコレクションパラダイムである。 我々は37.2kmの現実世界の航法軌道を収集し、目標条件の航法モデルを直接監督する計量データを回収する。
  論文  参考訳（メタデータ） (2026-09-17T12:13:34Z)
• Towards Real-World Applications with an Autonomous Powered Wheelchair [41.49524260295959]
  本稿では,自律認識,ジェスチャーに基づくインタラクション,ナビゲーションを統合した概念実証プロトタイプを,市販の自動運転車椅子に搭載する。 提案システムは、体重シフトによるハンズフリーで直感的な操作を可能にする商用のセルフバランス車椅子であるGenny Zeroをベースにしている。 本研究は,車いすを遠隔から呼び出せる「ハイリング」と,車いすがリーダ・フォロワー戦略を駆使した人を追従する「ピープルフォロー」の2つの支援アプリケーションで,統合システムを実証する。
  論文  参考訳（メタデータ） (2026-07-07T15:21:33Z)
• From Imitation to Alignment: Human-Preference Flow Policies for Long-Horizon Sidewalk Navigation [34.965299382808126]
  ロボットフードデリバリーや補助電動車椅子などのマイクロモビリティ応用には,長距離歩道ナビゲーションが不可欠である。 本稿では,単眼のRGBカメラのみを用いて,堅牢で効率的な長距離ナビゲーション性能を実現するマップレスナビゲーションポリシーであるFlowPilotを紹介する。 本研究では,様々な歩道環境における広範囲なシミュレーションと実世界の実験を通してFlowPilotを評価する。
  論文  参考訳（メタデータ） (2026-06-10T19:01:31Z)
• Learning Robust Autonomous Navigation and Locomotion for Wheeled-Legged Robots [50.02055068660255]
  都市環境のナビゲーションは、ロボットにとってユニークな課題であり、移動とナビゲーションのための革新的なソリューションを必要としている。 本研究は, 適応移動制御, 移動対応ローカルナビゲーション計画, 市内の大規模経路計画を含む, 完全に統合されたシステムを導入する。 モデルフリー強化学習(RL)技術と特権学習を用いて,多目的移動制御系を開発した。 私たちのコントローラーは大規模な都市航法システムに統合され、スイスのチューリッヒとスペインのセビリアで自律的、キロメートル規模の航法ミッションによって検証されます。
  論文  参考訳（メタデータ） (2024-05-03T00:29:20Z)
• SACSoN: Scalable Autonomous Control for Social Navigation [62.59274275261392]
  我々は、社会的に邪魔にならないナビゲーションのための政策の訓練方法を開発した。 この反事実的摂動を最小化することにより、共有空間における人間の自然な振る舞いを変えない方法でロボットに行動を促すことができる。 屋内移動ロボットが人間の傍観者と対話する大規模なデータセットを収集する。
  論文  参考訳（メタデータ） (2023-06-02T19:07:52Z)
• Offline Reinforcement Learning for Visual Navigation [66.88830049694457]
  ReViNDは、ロボットナビゲーションのための最初のオフラインRLシステムで、これまで収集されたデータを利用して、現実世界でユーザーが指定した報酬関数を最適化する。 ReViNDは、このデータセットからのオフライントレーニングのみを使用して、遠方の目標にナビゲートできることを示し、ユーザ指定の報酬関数に基づいて、質的に異なる振る舞いを示す。
  論文  参考訳（メタデータ） (2022-12-16T02:23:50Z)
• Coupling Vision and Proprioception for Navigation of Legged Robots [65.59559699815512]
  我々は視覚と受容の相補的な強みを利用して、脚のあるロボットでポイントゴールナビゲーションを実現する。 車輪付きロボット(LoCoBot)のベースラインよりも優れた性能を示す。 また,センサーと計算能力を備えた四足歩行ロボットに,我々のシステムを実環境に展開することも示す。
  論文  参考訳（メタデータ） (2021-12-03T18:59:59Z)
• Augmented reality navigation system for visual prosthesis [67.09251544230744]
  反応ナビゲーションと経路計画のソフトウェアを組み込んだ視覚補綴用拡張現実ナビゲーションシステムを提案する。 対象を地図上に配置し、対象の軌道を計画し、対象に示し、障害なく再計画する。 その結果,目標を達成するための時間と距離を減らし,障害物衝突の回数を大幅に減らし,航法性能の向上を図っている。
  論文  参考訳（メタデータ） (2021-09-30T09:41:40Z)
• Success Weighted by Completion Time: A Dynamics-Aware Evaluation Criteria for Embodied Navigation [42.978177196888225]
  我々は,移動ロボットのナビゲーション性能を評価するための新しい指標であるCompletion Time (SCT) により,Successを重み付けした。 RRT*-ユニサイクル(RRT*-Unicycle)も提案する。
  論文  参考訳（メタデータ） (2021-03-14T20:13:06Z)

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。