چکیده
ایمنی کاربر: ایمن
متن کامل
**علوم کامپیوتر > رباتیک arXiv:2609.28467v1 (cs) [ارائه شده در ۲۳ سپتامبر ۲۰۲۶]**
**عنوان:** کجا باید بپیوندم؟ پیوستن ربات به گروه از طریق پیش‌بینی هدف هدایت‌شده با زبان
**نویسندگان:** زیلین فنگ، زیشوو وانگ، گیم هی لی، دیوید هسو
**مشاهده PDF مقاله با عنوان «کجا باید بپیوندم؟ پیوستن ربات به گروه از طریق پیش‌بینی هدف هدایت‌شده با زبان»، نوشته زیلین فنگ و سه نویسنده دیگر**
**مشاهده نسخه HTML (تجربی)**
**چکیده:**
ناوبری اجتماعی معمولاً بر رسیدن به یک هدف مشخص با رعایت هنجارهای اجتماعی تمرکز دارد، اما پیوستن ربات به گروه، نیازمند پیش‌بینی مکان پیوستن بر اساس فعالیت و آرایش لحظه‌ای گروه است. این یک کار بسیار پیچیده از نظر معنایی است، اما قابلیت مهمی برای کاربردهایی مانند سگ‌های راهنمای رباتیک و اسکوترهای خودکار به شمار می‌رود. ما پیوستن ربات به گروه را بر اساس زبان مطرح می‌کنیم: با دریافت یک مشاهده و یک توصیف زبان طبیعی از یک گروه هدف، ربات اعضای مرتبط گروه را شناسایی کرده و حالت‌های پیوستن اجتماعی مناسب را پیش‌بینی می‌کند. برای پایه‌گذاری، ما زیرمجموعه‌های کاندید ساختاریافته را از طریق تقسیم‌بندی طیفی بازگشتی تولید کرده و آن‌ها را با یک مدل تصویر-هندسه‌ای که به زبان شرطی است، رتبه‌بندی می‌کنیم. با توجه به گروه پایه‌گذاری‌شده، یک پیش‌بینی‌کننده هدف با استفاده از فرضیات آرایش انسانی، یک نقشه انرژی-جهت چندحالتی بر روی حالت‌های ممکن ربات تولید می‌کند. آزمایش‌ها بر روی مکالمات، صف‌ها و مخاطبان در ابعاد مختلف گروه، تراکم‌های جمعیتی متفاوت و ابهام‌های بصری نشان می‌دهد که روش ما دقت پایه‌گذاری رقابتی با استنتاج زیرثانیه‌ای را به دست می‌آورد و در پیش‌بینی حالت پیوستن از تمام خط‌های پایه پیشی می‌گیرد. آزمایش‌های ربات واقعی، پیوستن به گروه را در تعاملات هم استاتیک و هم پویا به نمایش می‌گذارند.
**موضوعات:** رباتیک (cs.RO); هوش مصنوعی (cs.AI)
**استناد:** arXiv:2609.28467 [cs.RO] (یا arXiv:2609.28467v1 [cs.RO] برای این نسخه)
https://doi.org/10.48550/arXiv.2609.28467
**تاریخچه ارائه:**
از: زیلین فنگ [مشاهده ایمیل]
[v1] چهارشنبه، ۲۳ سپتامبر ۲۰۲۶، ساعت ۱۷:۵۵:۴۸ UTC (۳،۴۵۶ KB)
**ابزارهای استناد و کتاب‌شناسی**
**کاوشگر کتاب‌شناسی** (Toggle Bibliographic Explorer) (کاوشگر کتاب‌شناسی چیست؟)
**مقالات مرتبط (Connected Papers)** (Toggle Connected Papers) (مقالات مرتبط چیست؟)
**Litmaps** (Toggle Litmaps) (Litmaps چیست؟)
**scite.ai** (Toggle scite Smart Citations) (استنادات هوشمند scite چیست؟)
**کد، داده و رسانه**
**کد، داده و رسانه مرتبط با این مقاله**
**alphaXiv** (Toggle alphaXiv) (alphaXiv چیست؟)
**لینک‌های کد** (Toggle CatalyzeX Code Finder for Papers) (یابنده کد CatalyzeX برای مقالات چیست؟)
**DagsHub** (Toggle DagsHub) (DagsHub چیست؟)
**GotitPub** (Toggle Gotit.pub) (GotitPub چیست؟)
**Huggingface** (Toggle Hugging Face) (Hugging Face چیست؟)
**ScienceCast** (Toggle ScienceCast) (ScienceCast چیست؟)
**نمونه‌ها (Demos)**
**Replicate** (Toggle Replicate) (Replicate چیست؟)
**فضاها (Spaces)** (Toggle Hugging Face Spaces) (فضاهای Hugging Face چیست؟)
**فضاها (Spaces)** (Toggle TXYZ.AI) (TXYZ.AI چیست؟)
**مقالات مرتبط**
**پیشنهادکننده‌ها و ابزارهای جستجو**
**لینک به گل تأثیر (Influence Flower)** (گل تأثیر چیست؟)
**هسته (Core)**
توصیه‌گر فعال/غیرفعال هسته‌ای (CORE Recommender) (CORE چیست؟) نویسنده محل برگزاری نهاد موضوع درباره arXivLabs
arXivLabs: پروژه‌های آزمایشی با همکاری جامعه
arXivLabs یک چارچوب است که به همکاران اجازه می‌دهد ویژگی‌های جدید arXiv را مستقیماً در وب‌سایت ما توسعه داده و به اشتراک بگذارند. هم افراد و هم سازمان‌هایی که با arXivLabs کار می‌کنند، به ارزش‌های باز بودن، جامعه، برتری و حریم خصوصی داده‌های کاربران پایبند هستند. arXiv به این ارزش‌ها متعهد است و تنها با شرکایی که این ارزش‌ها را ترویج می‌دهند، همکاری می‌کند.
آیا ایده‌ای برای یک پروژه دارید که ارزش افزوده‌ای برای جامعه arXiv ایجاد کند؟ برای اطلاعات بیشتر درباره arXivLabs، بیشتر بخوانید.
کدام نویسندگان این مقاله توصیه‌کننده (endorsers) هستند؟ | غیرفعال‌سازی MathJax (MathJax چیست؟)