論文の概要: PATH: Preference-Aware Traversability Estimation for Robotic Teleoperation in Off-Road Navigation

• arxiv url: http://arxiv.org/abs/2610.30605v1
• Date: Thu, 22 Oct 2026 02:08:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-24 02:08:44.187242
• Title: PATH: Preference-Aware Traversability Estimation for Robotic Teleoperation in Off-Road Navigation
• Title（参考訳）: PATH:オフロードナビゲーションにおけるロボット遠隔操作の選好的トラバーサビリティ推定
• Abstract要約: PATH-Netは階層型ネットワークである。 オフロード遠隔操作のための優先条件付きトラバーサビリティコストマップと速度プロファイルを生成する。 われわれのフレームワークは、視覚的および幾何学的な鳥の目視特徴と短期的な歴史的車両状態を統合している。
• 参考スコア（独自算出の注目度）: 5.399177691034964
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Traversability estimation is critical for ground vehicle teleoperation, yet existing methods often neglect the human operator's preferences for speed and risk tolerance. To address this gap, we propose PATH-Net, a Preference-Aware Traversability estimation Hierarchical Network that adaptively generates preference-conditioned traversability cost maps and speed profiles for off-road teleoperation. Our framework integrates visual and geometric bird's-eye-view features with short-term historical vehicle states through a multi-head shared-backbone architecture. Our PATH-Net infers traversability cost maps while optimizing speed recommendations by using maximum entropy inverse reinforcement learning and sparse speed supervision. Our method incorporates operator preference via an asymmetric feature aggregation mechanism, splitting inference into a cost branch that prioritizes high-risk traversability regions and a speed branch that outputs preference-adjusted recommended speeds. Experiments with 15 operators across 225 teleoperated trajectories show alignment with user-specific navigation strategies, achieving modified Hausdorff distance of 0.17 m (aggressive) and 0.15 m (conservative). In the questionnaire assessment, participants reported lower NASA-TLX workload scores with PATH-Net recommendations than without recommendations, decreasing from 34.7 to 22.2. These results support preference-conditioned trajectory and speed recommendation for off-road teleoperation.
• Abstract（参考訳）: 地上での遠隔操作にはトラバーサビリティ推定が重要であるが、既存の手法では速度とリスク許容性に対する人間の操作者の好みを無視することが多い。 このギャップに対処するため,提案するPATH-Netは,優先条件付きトラバーサビリティのコストマップとオフロード遠隔操作のための速度プロファイルを適応的に生成する階層型ネットワークである。 本フレームワークは,視覚的および幾何学的鳥眼視機能と,複数頭共有バックボーンアーキテクチャによる短期的歴史的車両状態を統合する。 我々のPATH-Netは、最大エントロピー逆強化学習とスパース速度監視を用いて、速度レコメンデーションを最適化しつつ、トラバーサビリティコストマップを推論する。 提案手法では,非対称な特徴集約機構による演算子選好を,高リスクトラバーサビリティ領域を優先するコストブランチと,優先調整された推奨速度を出力するスピードブランチに分割する。 225の遠隔操作軌道を横断する15人のオペレーターによる実験では、ユーザ固有の航法戦略と一致し、修正されたハウスドルフ距離0.17m(攻撃性)と0.15m(保守性)を達成した。 調査評価では、NASA-TLXの作業負荷スコアがPATH-Netの推奨値よりも低く、推奨値が34.7から22.2に低下した。 これらの結果は、オフロード遠隔操作のための優先条件付き軌道とスピードレコメンデーションをサポートする。

関連論文リスト

• Customizable and Jointly Optimized Route Planning: A Deep Architecture Enabling Differentiable Shortest-Path Search [14.011069595012705]
  本稿では,コスト関数と経路階乗モデルとを併用して任意の経路選好に最適化するディープアーキテクチャを提案する。 私たちのアーキテクチャは、ルート品質とカスタマイズ性において最先端の手法よりも大幅に優れています。
  論文  参考訳（メタデータ） (2026-09-17T10:04:56Z)
• 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)
• Collision-Free Velocity Scheduling for Multi-Agent Systems on Predefined Routes via Inexact-Projection ADMM [0.0]
  構造化マルチエージェントプロジェクトでは、エージェントは事前に定義されたルートをたどらなければならず、リルーチンや不可能となる。 本稿では,各エージェントの割り当てられた経路の順序と名前付き経路の割り当てを保ちながら,経路制約付きマルチエージェント協調に対処する。
  論文  参考訳（メタデータ） (2026-03-23T12:34:18Z)
• Blockchain-Enabled Routing for Zero-Trust Low-Altitude Intelligent Networks [77.17664010626726]
  低高度インテリジェントネットワーク(LAIN)における複数のUAVクラスタによるルーティングに焦点を当てる。 潜在的な脅威によるダメージを最小限に抑えるため,ソフトウェア定義の周辺技術とブロックチェーン技術を用いたゼロトラストアーキテクチャを提案する。 提案手法は,平均E2E遅延を59%削減し,TSRを29%改善することを示した。
  論文  参考訳（メタデータ） (2026-02-27T04:30:35Z)
• Spatially-Aware Adaptive Trajectory Optimization with Controller-Guided Feedback for Autonomous Racing [74.83272587893508]
  本稿では,NURBSに基づく軌道表現,CMA-ESグローバル軌道最適化,コントローラ誘導空間フィードバックを組み合わせた自律レースライン最適化フレームワークを提案する。 シミュレーションでは,最大静的加速度をパラメータ化したコントローラと比較して17.38%のラップタイム短縮を実現している。 高摩擦から低摩擦まで様々なタイヤ化合物で試験された実ハードウェアでは、摩擦を明示的にパラメータ化することなく、7.60%のラップタイムの改善が得られる。
  論文  参考訳（メタデータ） (2026-02-17T15:10:44Z)
• LANet: A Lane Boundaries-Aware Approach For Robust Trajectory Prediction [4.096453902709292]
  本稿では,車線境界や道路縁を含む複数のベクトルマップ要素から情報を得る動き予測モデルを提案する。 モデルが道路構造に関する全体的情報を学習する,異なるベクトルマップ成分の情報をマージする,効果的な機能融合戦略が開発されている。 本手法は,運転環境のより情報的かつ効率的な表現を提供し,自律走行走行予測技術の現状を推し進めるものである。
  論文  参考訳（メタデータ） (2025-07-02T02:49:24Z)
• JPDS-NN: Reinforcement Learning-Based Dynamic Task Allocation for Agricultural Vehicle Routing Optimization [3.559425487157277]
  エントランス依存車両ルーティング問題(Entrance Dependent Vehicle Routing Problem、EDVRP)は、都市の規模が経路結果に影響を与える車両問題(VRP)の変種である。 EDVRPを効果的に解くために,共振器分布サンプリングニューラルネットワーク(JPDS-NN)を提案する。 JPDS-NNは走行距離を48.4-65.4%削減し、燃料消費量を14.0-17.6%削減し、ベースライン法よりも2桁高速に計算する。
  論文  参考訳（メタデータ） (2025-03-04T07:50:32Z)
• SCoTT: Strategic Chain-of-Thought Tasking for Wireless-Aware Robot Navigation in Digital Twins [78.53885607559958]
  無線対応経路計画フレームワークであるSCoTTを提案する。 SCoTT は DP-WA* の2% 以内で経路ゲインを達成し, 連続的に短い軌道を生成できることを示す。 また,ガゼボシミュレーションにおいて,SCoTTをROSノードとして配置することにより,本手法の実用性を示す。
  論文  参考訳（メタデータ） (2024-11-27T10:45:49Z)
• RoadRunner M&M -- Learning Multi-range Multi-resolution Traversability Maps for Autonomous Off-road Navigation [12.835198004089385]
  RoadRunner (M&M) はエンドツーエンドの学習ベースのフレームワークで、さまざまな範囲のトレーバービリティと標高マップを直接予測する。 RoadRunner M&Mは、標高マッピングで最大50%の大幅な改善と、RoadRunner上でのトラバーサビリティ推定で30%の大幅な改善を実現している。
  論文  参考訳（メタデータ） (2024-09-17T07:21:03Z)
• Correlating sparse sensing for large-scale traffic speed estimation: A Laplacian-enhanced low-rank tensor kriging approach [76.45949280328838]
  本稿では,Laplacian enhanced Low-rank tensor (LETC) フレームワークを提案する。 次に,提案したモデルをネットワークワイド・クリグにスケールアップするために,複数の有効な数値手法を用いて効率的な解アルゴリズムを設計する。
  論文  参考訳（メタデータ） (2022-10-21T07:25:57Z)
• Deep Learning Aided Packet Routing in Aeronautical Ad-Hoc Networks Relying on Real Flight Data: From Single-Objective to Near-Pareto Multi-Objective Optimization [79.96177511319713]
  航空アドホックネットワーク(AANET)のルーティングを支援するために、ディープラーニング(DL)を起動する。 フォワードノードによって観測された局所的な地理的情報を最適な次のホップを決定するために必要な情報にマッピングするために、ディープニューラルネットワーク(DNN)が考案される。 DL支援ルーティングアルゴリズムを多目的シナリオに拡張し,遅延を最小化し,経路容量を最大化し,経路寿命を最大化する。
  論文  参考訳（メタデータ） (2021-10-28T14:18:22Z)

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。