Alapfogalmak
人間の行動をより正確にモデル化、予測、模倣するためには、人間の知覚と観察能力の限界を考慮することが不可欠である。
本論文は、視野、視程、物体検出確率といった制限のある環境下における、人間の移動および観察戦略をロボットが模倣するための枠組みを提案する。これは、人間とロボットの協調作業を向上させるために、人間の行動を予測し、理解することを目的とする。
研究者らは、視野、視程、物体検出確率が制限されたエージェントの動作をシミュレートする数値シミュレーションを実施した。
人間の被験者を対象とした実験を行い、制限された視野を持つポイントマスロボットを操作して、障害物を避けながら目標地点に到達させるゲームを実施した。
人間の軌跡データを用いて、マルチヘッドクロスアテンションを用いたTransformerベースの拡散モデルを学習させ、人間の行動を模倣した。
学習済みモデルを、静的障害物のある環境を走行する実車に展開し、リアルタイムでの有効性を検証した。