文献

J-GLOBAL ID：202002242978628949   整理番号：20A0828313

人間の注視から学んだ注意を持つグラフ畳込みネットワークによる群衆におけるロボットナビゲーション【JST・京大機械翻訳】

Robot Navigation in Crowds by Graph Convolutional Networks With Attention Learned From Human Gaze

著者 (4件)： Chen Yuying (Department of Electronics and Computer Engineering, Hong Kong University of Science and Technology, Hong Kong, China) ,  Liu Congcong (Department of Electronics and Computer Engineering, Hong Kong University of Science and Technology, Hong Kong, China) ,  Shi Bertram E. (Department of Electronics and Computer Engineering, Hong Kong University of Science and Technology, Hong Kong, China) ,  Liu Ming (Department of Electronics and Computer Engineering, Hong Kong University of Science and Technology, Hong Kong, China)
資料名： IEEE Robotics and Automation Letters  (IEEE Robotics and Automation Letters)
巻： 5  号： 2  ページ： 2754-2761  発行年： 2020年 
JST資料番号： W2448A  ISSN： 2377-3766  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 移動ロボットのための安全で効率的な群衆ナビゲーションは,非常に困難な課題である。以前の研究は,効率的な政策を訓練するために,深い強化学習フレームワークの力を示した。しかし,群衆サイズが成長すると,それらの性能は悪化する。このことは,ナビゲーションに最も重要な群衆において,人間に注意を払うことを可能にすることにより,これを扱うことができることを示唆している。この政策を学習するためのグラフ表現を利用した新しいネットワークを提案した。最初に,環境のトップダウンビューに基づくナビゲーションタスクを実行するので,群衆における異なるエージェントへの人間の注意を正確に予測する,人間の注視データに基づくグラフ畳込みネットワークを訓練する。グラフベースの強化学習アーキテクチャに学習された注意を組み込んだ。提案した注意機構は,ロボットの近傍への意味のある重み付けの割当を可能にし,解釈可能性の付加的な利点を持っている。種々の群衆サイズを有する実世界の高密度歩行者データセットに関する実験は,著者らのモデルが最先端の方法より優れていて,作業完了率を18.4%増加させて,ナビゲーション時間を16.4%減少させることを実証した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *畳込み ,  移動ロボット ,  計算機アーキテクチャ ,  エージェント ,  *ネットワーク ,  強化学習 ,  歩行者 ,  *ロボット
準シソーラス用語： 高密度 ,  判断能力 ,  グラフレプリゼンテーション , 【Automatic Indexing@JST】

分類 (3件)： 移動通信  (ND08030H) ,  パターン認識  (JE07000S) ,  計算機網  (JC03000K)

タイトルに関連する用語 (6件)： 人間 ,  注視 ,  注意 ,  グラフ ,  畳込み ,  ロボットナビゲーション