日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

週刊ニュースレター購読
遠隔操作arXiv:2610.30605

操縦者選好を考慮したオフロード遠隔操作のための走行可能領域推定

PATH: Preference-Aware Traversability Estimation for Robotic Teleoperation in Off-Road Navigation

シェア:XThreadsFacebookLINEはてブBluesky

オフロード遠隔操作において、操縦者の速度・リスク選好を反映した走行コストマップと推奨速度を生成するPATH-Netを提案し、15名の実験で作業負荷低減を確認した。

詳しい要約

1. どんなもの？

- どんなもの？ - オフロード走行のロボットテレオペレーション向けに、オペレータの速度・リスク許容度の選好を反映した走行可能性推定を行う枠組み - PATH-Net と呼ぶ Preference-Aware Traversability estimation Hierarchical Network を提案 - 選好条件付きの traversability cost map と速度プロファイルを適応的に生成する - 視覚・幾何の bird's-eye-view 特徴と短期履歴の車両状態を統合する

2. 先行研究と比べてどこがすごい？

- 先行研究と比べてどこがすごい？ - 既存手法はオペレータの速度・リスク許容度の選好を無視しがちという課題を指摘 - 選好を明示的に条件として cost map と速度推薦の両方を生成する点が差分 - 単一の走行可能性推定ではなく、オペレータ固有のナビゲーション方略に整合する推薦を目指す - 要旨からは不明：既存手法との定量比較の詳細

3. 技術・手法の肝は？

- 技術や手法の肝はどこ？ - 視覚・幾何の bird's-eye-view 特徴と短期履歴の車両状態を multi-head shared-backbone で統合 - maximum entropy inverse reinforcement learning と sparse speed supervision を用いて cost map 推定と速度推薦を最適化 - asymmetric feature aggregation により選好を反映し、推論を2分岐 - cost branch：高リスクの走行可能性領域を優先 - speed branch：選好調整済みの推薦速度を出力

4. どうやって有効だと検証した？

- どうやって有効だと検証した？ - 15名のオペレータ、225本のテレオペレーション軌跡で実験 - ユーザ固有のナビゲーション方略との整合を評価 - modified Hausdorff distance が aggressive で 0.17 m、conservative で 0.15 m - 質問紙評価で NASA-TLX ワークロードが推薦なしの 34.7 から 22.2 に低下

5. 議論はある？

- 議論はある？ - 選好条件付きの軌跡・速度推薦がオフロードテレオペレーションに有効であることを結果が支持 - ワークロード低減とユーザ方略への整合を示す - 要旨からは不明：選好の取得方法、汎化性、実機展開や安全性に関する議論

6. 次に読むべき論文は？

- 次に読むべき論文は？ - maximum entropy inverse reinforcement learning の原論文 - traversability estimation の既存研究（要旨では個別名の参照なし） - off-road navigation 向けの learning-based cost map 推定 - テレオペレーションのワークロード評価に用いられる NASA-TLX 関連研究

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Xianghao Meng, Wenshuo Wang, Cheng Shao, Lewei Feng, Qingxiao Liu, Canyu Wang, Junqiang Xi

分類: cs.RO, cs.HC

原文アブストラクト

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.

arXivで原文を読む →arXiv概要ページ

関連論文

← 論文一覧
PR本紙発行元 EmplifAI