混雑環境での人間追従タスクを分解する制約付き強化学習手法を提案

何が起きたか

arXivに投稿された論文「Navigating the Proximity-Safety Balance: Constraint Decomposition for Human Following in Pedestrian Crowds」は、混雑環境での人間追従タスクにおいて、目標への近接性と周囲の歩行者・障害物との安全確保のトレードオフを扱う。従来の強化学習（RL）手法は競合する目的を単一の密な報酬に符号化するが、近接性と安全性のバランスは暗黙的で調整が難しい。提案手法は、人間追従タスクを疎なタスク報酬と独立したコスト制約に分解し、各制約を行動に直結するコスト閾値で管理することで、トレードオフを明示的かつ調整可能にする。さらに、人間の動きの予測不確実性を定量化し、RLコストに統合して予測不能な条件下での安全性を高める。分布内・分布外の両設定での広範な実験で、ベースラインと比較して効果的な近接性と安全性のバランスを達成し、実ロボット展開でも実世界での実現可能性を検証した。

Key Facts

なぜ重要か

混雑環境での人間追従は、サービスロボットや案内ロボットなどの応用で重要だが、近接性と安全性のトレードオフが課題となる。提案手法は制約を明示的に扱うことで調整可能性を高め、予測不確実性を考慮することで実環境での安全性向上が期待される。