PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2609.37476v2cs.RO

정책 상태 공간에서 인터넷 영상을 통한 사회적 내비게이션 학습

Learning Social Navigation from Internet Videos in the Policy State Space

강건한 사회적 내비게이션(social navigation) 정책을 학습(training)시키려면 다양한 장면 배치, 지형, 인간의 움직임을 갖춘 시뮬레이터가 필요하지만, 이러한 환경을 구축하고 보행자 행동을 지정하는 데는 많은 비용이 듭니다. 본 논문에서는 일반적인 단안 보행 영상을 정책의 상태 공간 내 폐루프(closed-loop) 사회적 내비게이션 학습 환경으로 직접 변환하는 효율적인 파이프라인을 제안합니다. 우리의 핵심 관찰은 로컬 사회적 내비게이션이 주로 두 가지 유형의 정보, 즉 로봇이 어디로 주행할 수 있는지와 주변 보행자가 어떻게 움직이는지에 의존한다는 점입니다. 따라서 우리는 반사실적(counterfactual) 로봇 움직임에 따라 강체 변환(rigidly transform)될 수 있는 미터법 기반 통행 가능성 지도(metric traversability map)로 정적 장면을 표현하는 동시에, 영상에서 복원된 보행자 궤적을 시간에 따라 직접 재생합니다. 이러한 추상화를 통해 사실적인 관측치를 재구성하거나 렌더링하지 않고도 정책의 상태 공간에서 전방 동역학(forward dynamics)을 직접 정의하고 반사실적 로봇 상태를 효율적으로 시뮬레이션할 수 있습니다. 결과로 도출된 정책은 독립적인 Arena 벤치마크에서 가장 강력한 기준선(baseline)의 75.0% 대비 81.2%의 성공률을 달성했으며, 정책 미세조정(fine-tuning) 없이도 실제 로봇 대상 20회 시험 중 19회 성공을 거두었습니다. 프로젝트 페이지: https://jiaming.im/VideoSocNav