Fugu-MT 論文翻訳(概要): SNAP: Semantic Navigation Among Pedestrians

論文の概要: SNAP: Semantic Navigation Among Pedestrians

arxiv url: http://arxiv.org/abs/2611.03498v2
Date: Tue, 03 Nov 2026 16:04:56 GMT
ステータス: 情報取得中
システム内更新日: 2026-11-04 17:44:53.540973
Title: SNAP: Semantic Navigation Among Pedestrians
Title（参考訳）: SNAP:歩行者のセマンティックナビゲーション
Abstract要約: 混雑した都市環境をナビゲートするには、歩道に残るような社会的規範に固執しながら、歩行者を避けるロボットが必要である。本稿では,1羽の鳥眼ビュー (BEV) マップから意味的地形と動的障害物を共同で推論する強化学習 (RL) ナビゲーションポリシーを提案する。我々の方針は、群集ナビとセマンティックアウェアのベースラインを確立し、ゼロショットを脚付きロボットに転送し、高度にダイナミックな現実のシナリオで社会に適合したナビゲーションを実証する。
参考スコア（独自算出の注目度）: 8.276867942157391
License:
Abstract: Navigating crowded urban environments requires robots to avoid pedestrians while adhering to social norms such as remaining on sidewalks. Existing approaches typically address either crowd avoidance or semantic path planning in isolation. We propose a reinforcement learning (RL) navigation policy that jointly reasons about semantic terrain and dynamic obstacles from a single semantically annotated bird's-eye-view (BEV) map, without relying on explicit human-state estimation. Our policy outperforms established crowd-navigation and semantic-aware baselines and transfers zero-shot to a legged robot, demonstrating socially compliant navigation in highly dynamic real-world scenarios.
Abstract（参考訳）: 混雑した都市環境をナビゲートするには、歩道に残るような社会的規範に固執しながら、歩行者を避けるロボットが必要である。既存のアプローチは通常、群衆の回避またはセマンティックパスの計画に単独で対処する。本研究では,1つの意味的注釈付き鳥眼ビュー(BEV)マップから意味的地形と動的障害物を共同で理由づけた強化学習(RL)ナビゲーションポリシーを提案する。我々の方針は、群集ナビとセマンティックアウェアのベースラインを確立し、ゼロショットを脚付きロボットに転送し、高度にダイナミックな現実のシナリオで社会に適合したナビゲーションを実証する。

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)
IntentNav: Learning Spatial-Visual Object Navigation from Human Demonstrations [58.921283404811085]
我々は,人間のようなObjectNavポリシーを人間のデモから学習するフレームワークを提案する。 IntentNavはMP3D、HM3D-v1、HM3D-v2 ObjectNavベンチマークで最先端のパフォーマンスを達成する。
論文参考訳（メタデータ） (2026-06-06T07:45:19Z)
Walk With Me: Long-Horizon Social Navigation for Human-Centric Outdoor Assistance [70.01362005983516]
Walk with Me(ウォーク・ウィズ・ミー、ウォーク・ウィズ・ミー、ウォーク・ウィズ・ミー、ウォーク・ウィズ・ミー)は、高レベルの人間の指示による長期の社会ナビゲーションのための地図のないフレームワークである。セマンティックインテントの接地、地図のないロングホライゾン計画、安全を意識した推論、低レベルのアクション生成を組み合わせる。
論文参考訳（メタデータ） (2026-04-29T16:02:13Z)
Safe mobility support system using crowd mapping and avoidance route planning using VLM [0.0]
本稿では,視覚言語モデル (VLM) とガウスプロセス回帰 (GPR) を統合し,動的群集密度マップを生成する新しいフレームワークを提案する。大学キャンパスにおける実世界の実験による実験の結果、ロボットは静的障害物と動的群集の両方を避けるルートをうまく生成できた。
論文参考訳（メタデータ） (2026-02-11T14:47:51Z)
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)
Hyp2Nav: Hyperbolic Planning and Curiosity for Crowd Navigation [58.574464340559466]
我々は,群集ナビゲーションを実現するための双曲学習を提唱し,Hyp2Navを紹介した。 Hyp2Navは双曲幾何学の本質的な性質を活用し、ナビゲーションタスクにおける意思決定プロセスの階層的性質をよりよく符号化する。本稿では, 効果的なソーシャルナビゲーション, 最高の成功率, 複数シミュレーション設定におけるリターンをもたらす, 双曲型ポリシーモデルと双曲型好奇性モジュールを提案する。
論文参考訳（メタデータ） (2024-07-18T14:40:33Z)
Intention Aware Robot Crowd Navigation with Attention-Based Interaction Graph [3.8461692052415137]
本研究では,高密度で対話的な群集における安全かつ意図に配慮したロボットナビゲーションの課題について検討する。本稿では,エージェント間の異種相互作用を捕捉するアテンション機構を備えた新しいグラフニューラルネットワークを提案する。提案手法は,群集ナビゲーションのシナリオにおいて,優れたナビゲーション性能と非侵襲性をロボットが実現できることを実証する。
論文参考訳（メタデータ） (2022-03-03T16:26:36Z)
Decentralized Structural-RNN for Robot Crowd Navigation with Deep Reinforcement Learning [12.63032312290331]
DS-RNNは、群集ナビゲーションにおけるロボット決定のための空間的および時間的関係を推論する新しいネットワークである。我々は、専門家の監督なしに、モデルなしの深層強化学習でネットワークを訓練する。我々のモデルは、群衆ナビゲーションのシナリオに挑戦する上で、過去の手法よりも優れていることを実証する。
論文参考訳（メタデータ） (2020-11-09T23:15:31Z)
Robot Navigation in Constrained Pedestrian Environments using Reinforcement Learning [32.454250811667904]
歩行者のまわりをスムーズに移動することは、人間環境に展開する移動ロボットに必要な能力である。移動歩行者の存在に動的に適応できる政策を学習するための強化学習に基づくアプローチを提案する。 2つの実環境の3D再構成に学習方針の移転を示す。
論文参考訳（メタデータ） (2020-10-16T19:40:08Z)

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。