論文の概要: Can I join you? Extended Social Force Based Model with Predictive Control and Barrier Functions for Humanoid Group Repositioning Amidst Obstacles
- arxiv url: http://arxiv.org/abs/2611.14853v1
- Date: Wed, 11 Nov 2026 00:06:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 11:08:29.297195
- Title: Can I join you? Extended Social Force Based Model with Predictive Control and Barrier Functions for Humanoid Group Repositioning Amidst Obstacles
- Title(参考訳): 参加できるか? 障害物中におけるヒューマノイド群再構成のための予測制御とバリア機能を備えた拡張社会力モデル
- Abstract要約: 本稿では,モデル予測制御(MPC)によって先導される従来の社会力を調整する新しい枠組みを提案する。
本手法は,グループ形成障害下での安全かつ社会的に認識されたグループ再配置行動を実現することを目的としている。
- 参考スコア(独自算出の注目度): 2.8927178385803614
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: As social and service robots increasingly share interaction spaces in public, they may form groups while coordinating tasks or interacting with humans. Initial group formation alone is insufficient in dynamic settings, because it can be disrupted when a person or another agent joins, leaves, or passes through the group. Although group dynamics and repositioning have been widely studied in swarm robotics and virtual-agent settings, little attention has been given to socially appropriate repositioning behaviors in groups of humanoid robots. Existing social-force-based approaches provide a useful foundation for group behavior, but they have limited obstacle handling, and can produce unsafe behavior as environmental complexity increases. We propose a novel framework that modulates traditional Social Force, guided by Model Predictive Control (MPC) to plan ahead, bounded by Control Barrier Functions (CBF) to increase safety for robot groups repositioning behaviors. This approach aims to produce safer and socially aware group repositioning behaviors under various group formation disturbance. We evaluate the method in simulation through an ablation study and an online user study. The results show that our proposed method can produce smoother and safer repositioning behaviors in complex environments while preserving social appropriateness.
- Abstract(参考訳): ソーシャルロボットやサービスロボットが公共の場で対話空間を共有しているため、タスクをコーディネートしたり、人間と対話したりしながらグループを形成することもある。
最初のグループ形成だけでは、動的設定では不十分である。それは、人または他のエージェントがグループを結合、離脱、または通過する際に破壊される可能性があるからである。
群動学と再配置は群ロボットや仮想エージェント設定において広く研究されているが、ヒューマノイドロボット群における社会的に適切な再配置行動はほとんど注目されていない。
既存の社会力に基づくアプローチは、グループ行動の有用な基盤を提供するが、障害処理が限られており、環境の複雑さが増大するにつれて、安全でない行動を引き起こす可能性がある。
本稿では,モデル予測制御(MPC)が計画する従来の社会力を変化させ,制御バリア関数(CBF)に縛られ,ロボット群再配置行動の安全性を高めるための新しい枠組みを提案する。
本手法は,グループ形成障害下での安全かつ社会的に認識されたグループ再配置行動を実現することを目的としている。
本手法を,アブレーション研究とオンラインユーザ研究を通じて評価する。
提案手法は,社会的適切性を維持しつつ,複雑な環境下でのよりスムーズで安全な再配置行動を実現することができることを示す。
関連論文リスト
- End-to-End Safe Social Navigation via Multi-Task Reinforcement Learning and Probabilistic Perception [57.092121055966096]
強化学習法(Reinforcement Learning, RL)は、現実的で効果的な解を提供するが、非現実的な仮定に依存することが多い。
我々は、生のLiDARスキャンをキネマティックに実行可能な制御コマンドに直接マッピングする軽量なエンドツーエンドRLフレームワークであるJESSIを紹介する。
JESSIは、最先端のベースラインと比較して、高いナビゲーション成功率と優れた社会的行動のバランスをとることができることを示す。
論文 参考訳(メタデータ) (2026-10-05T03:32:03Z) - Where Should I Join? Robot Group Joining via Language-Guided Goal Prediction [58.863959049583315]
社会ナビゲーションは特定の目標を仮定し、社会的慣行を尊重しながら到達することに焦点を当てる一方、ロボットグループの参加には、グループのリアルタイム活動と形成に基づいて、どのグループに参加するべきかを予測する必要がある。
これは非常にセマンティックなタスクであるが、ロボットガイド犬や自律型モビリティスクーターのようなアプリケーションにとって重要な機能である。
対象グループの観察と自然言語記述が与えられた場合、ロボットは関連するグループメンバーを特定し、社会的に適合した接合ポーズを予測する。
論文 参考訳(メタデータ) (2026-09-23T17:55:48Z) - SAGE: A Socially-Aware Generative Engine for Heterogeneous Multi-Agent Navigation [20.851820019451587]
本稿では,異種マルチエージェントナビゲーションのための社会認識型生成エンジンであるSAGEを提案する。
推論中、SAGEは異なる衝突、キネマティック、タスクプログレス、ロール条件の社会コンプライアンス用語を用いて、サンプル化されたロボット軌道を洗練する。
提案する誘導機構は,衝突と社会侵害率を一貫して低減し,最大20台のロボットのチームまで拡大し,再訓練することなく,安全・精度・タスクトレードオフの明確な制御を可能にする。
論文 参考訳(メタデータ) (2026-07-18T03:40:59Z) - Adaptive Companionship for Group-Following Robots: Handling Dynamically Changing Group Formations [0.5801044612920815]
視覚言語モデル(VLM)に基づく社会ロボットの適応型グループ伴奏手法を提案する。
提案手法は, 成功率の15%向上と衝突率の25%低減を, ベースラインアプローチと比較して効果的に行うことができる。
論文 参考訳(メタデータ) (2026-07-01T10:24:14Z) - 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) - RLSLM: A Hybrid Reinforcement Learning Framework Aligning Rule-Based Social Locomotion Model with Human Social Norms [1.5561226067871505]
不快を生じさせることなく、人口の多い環境をナビゲートすることは、社会的に認識されるエージェントにとって重要な能力である。
本稿では,ルールに基づくソーシャルロコモーションモデルを強化学習フレームワークに統合したハイブリッド強化学習フレームワーク RLSLM を提案する。
論文 参考訳(メタデータ) (2025-11-14T13:59:40Z) - 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) - AgentZero++: Modeling Fear-Based Behavior [4.783433971864009]
我々は,集団暴力をシミュレートするための認知,感情,社会的メカニズムを統合したエージェントベースモデルであるAgentZero++を提案する。
EpsteinのAgent_Zeroフレームワークをベースにして、8つの振る舞い拡張でオリジナルのモデルを拡張します。
これらの追加により、エージェントは内部の状態、以前の経験、社会的フィードバックに基づいて適応できる。
論文 参考訳(メタデータ) (2025-10-05T22:33:56Z) - PHASE: PHysically-grounded Abstract Social Events for Machine Social
Perception [50.551003004553806]
私たちは、物理的に根拠のある抽象的なソーシャルイベント、フェーズのデータセットを作成します。
フェーズは人間の実験によって検証され、人間は社会出来事において豊かな相互作用を知覚する。
ベースラインモデルとして,最新のフィードフォワードニューラルネットワークよりも優れたベイズ逆計画手法SIMPLEを導入する。
論文 参考訳(メタデータ) (2021-03-02T18:44:57Z)
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。