論文の概要: Safe and Efficient Navigation Considering Texting Pedestrians via Attention-Aware Cost-map Tuning
- arxiv url: http://arxiv.org/abs/2611.16725v1
- Date: Thu, 12 Nov 2026 12:37:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.469091
- Title: Safe and Efficient Navigation Considering Texting Pedestrians via Attention-Aware Cost-map Tuning
- Title(参考訳): 注意点を考慮したコストマップチューニングによる歩行者のテキスト化を考慮した安全かつ効率的なナビゲーション
- Abstract要約: スマートフォンで切り離された歩行者は、予測不能な社会的規範から逸脱し、接近するロボットに屈服できない。
本稿では,各歩行者をリアルタイムで注意や気遣いに分類する,注意を意識したナビゲーション・フレームワークを提案する。
- 参考スコア(独自算出の注目度): 1.9925928773337007
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Smartphone-distracted pedestrians deviate from social norms unpredictably and cannot be relied upon to yield to approaching robots -- a safety challenge that existing navigation methods are poorly equipped to handle, since they treat all pedestrians uniformly regardless of attention state. We propose an attention-aware navigation framework that classifies each pedestrian as attentive or distracted in real-time using 3D skeletal features and a Random Forest classifier, then dynamically widens cost-map safety margins around distracted individuals to drive proactive avoidance. A within-subjects user study with 12 participants across 252 trials demonstrates significant improvements in perceived smoothness (p = 0.003) and predictability (p = 0.034) over both a LiDAR-only baseline and a trajectory-prediction-only method, without any increase in travel time. Notably, trajectory prediction alone does not improve subjective navigation quality unless coupled with attention-state-aware cost adjustment -- confirming that appropriately responding to who is in front of the robot can matter more than trajectory smoothness alone.
- Abstract(参考訳): スマートフォンで切り離された歩行者は、社会的規範から逸脱し、近づきつつあるロボットに頼ることができない。
本研究では,各歩行者を3次元骨格特徴とランダムフォレスト分類器を用いてリアルタイムに注意喚起・注意喚起するナビゲーション・フレームワークを提案する。
252回の試験で12人の被験者を対象に行った調査では、LiDARのみのベースラインと軌道予測のみの手法の両方に対して、知覚の滑らかさ (p = 0.003) と予測可能性 (p = 0.034) の大幅な改善がみられた。
特に、軌道予測だけでは、注目状態のコスト調整と組み合わせない限り、主観的なナビゲーション品質は向上しない。
関連論文リスト
- Prediction-Error-Tightened MPC for Socially Compliant Crowd Navigation [37.99720938553826]
この研究は、障害物と歩行者検出、クープマンに基づく動き予測、オンライン予測エラー推定を統合することで、従来のMPCフレームワークを拡張した。
混雑したシナリオにおける衝突回避の複雑さを低減するために、近くの障害物を集約する。
論文 参考訳(メタデータ) (2026-11-11T17:56:03Z) - Learning Agile Navigation in Crowded Environments for Quadruped Robots [19.29089241882416]
VOP-Navは四足歩行ロボットのための新しいナビゲーションシステムである。
これは、Velocity Obstaclesの幾何学的安全性と、エンドツーエンドの学習のアジャイル適応性を組み合わせたものです。
VOP-Navは速度と衝突回避のバランスをとりながら、すべてのベースラインよりも高い成功率を達成する。
論文 参考訳(メタデータ) (2026-07-16T14:16:19Z) - PEDESTRIAN: An Egocentric Vision Dataset for Obstacle Detection on Pavements [3.2069702190300617]
PEDESTRIANデータセットは、都市歩道でよく見られる29の障害に対して、エゴセントリックなデータを含んでいる。
合計で340本のビデオが携帯電話のカメラで収集され、歩行者の視点を捉えた。
我々は、最先端のディープラーニングアルゴリズムのトレーニングを含む一連の実験結果を示す。
論文 参考訳(メタデータ) (2025-12-22T09:28:23Z) - Reliable Heading Tracking for Pedestrian Road Crossing Prediction Using Commodity Devices [17.213711945639847]
我々は,移動中にスマートフォンを振り回すなどの習慣により,スマートフォンを一定の方法で携帯する傾向にある,という重要な洞察を生かした新たな方向追跡アルゴリズム,Orientation-Heading Alignment (OHA)を提案する。
我々は、歩行者が道路利用者の安全を改善するために道路を横断しようとしている時期を予測するという、困難な課題にOHAを適用した。
評価の結果、OHAは既存の手法に比べて9つのシナリオで3.4倍小さい方向誤差を達成できた。
論文 参考訳(メタデータ) (2024-10-08T22:12:18Z) - Unsupervised Domain Adaptation for Self-Driving from Past Traversal
Features [69.47588461101925]
本研究では,新しい運転環境に3次元物体検出器を適応させる手法を提案する。
提案手法は,空間的量子化履歴特徴を用いたLiDARに基づく検出モデルを強化する。
実世界のデータセットの実験では、大幅な改善が示されている。
論文 参考訳(メタデータ) (2023-09-21T15:00:31Z) - 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) - 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) - Efficient and Robust LiDAR-Based End-to-End Navigation [132.52661670308606]
我々は,LiDARをベースとした効率的なエンドツーエンドナビゲーションフレームワークを提案する。
本稿では,スパース畳み込みカーネル最適化とハードウェア対応モデル設計に基づくFast-LiDARNetを提案する。
次に,単一の前方通過のみから予測の不確かさを直接推定するハイブリッド・エビデンシャル・フュージョンを提案する。
論文 参考訳(メタデータ) (2021-05-20T17:52:37Z) - IntentNet: Learning to Predict Intention from Raw Sensor Data [86.74403297781039]
本論文では,LiDARセンサが生成する3次元点群と,環境の動的なマップの両方を利用するワンステージ検出器と予測器を開発した。
当社のマルチタスクモデルは、それぞれの別々のモジュールよりも高い精度を実現し、計算を節約します。
論文 参考訳(メタデータ) (2021-01-20T00:31:52Z) - Safety-Oriented Pedestrian Motion and Scene Occupancy Forecasting [91.69900691029908]
我々は、個々の動きとシーン占有マップの両方を予測することを提唱する。
歩行者の相対的な空間情報を保存するScene-Actor Graph Neural Network (SA-GNN)を提案する。
2つの大規模な実世界のデータセットで、我々のシーン占有率予測が最先端のモーション予測手法よりも正確でより校正されていることを示した。
論文 参考訳(メタデータ) (2021-01-07T06:08:21Z) - A Real-Time Predictive Pedestrian Collision Warning Service for
Cooperative Intelligent Transportation Systems Using 3D Pose Estimation [10.652350454373531]
歩行者方向認識(100.53 FPS)と意図予測(35.76 FPS)の2つのタスクに対して,リアルタイムな歩行者衝突警報サービス(P2CWS)を提案する。
提案手法は,提案したサイトに依存しない特徴により,複数のサイトに対する一般化を満足する。
提案したビジョンフレームワークは、トレーニングプロセスなしでTUDデータセットの行動認識タスクの89.3%の精度を実現する。
論文 参考訳(メタデータ) (2020-09-23T00:55:12Z)
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。