arXiv は 2026 年 6 月 10 日に、論文番号 2606.12603 のプレプリント「From Imitation to Alignment: Human-Preference Flow Policies for Long-Horizon Sidewalk Navigation」を公開した。著者は Honglin He 氏ら 4 名で、ロボティクス（cs.RO）を主分類とし、人工知能（cs.AI）にもまたがる内容である。本研究は、ロボットによるフードデリバリーや電動支援車椅子といったマイクロモビリティ応用に欠かせない、歩道上の長距離自律ナビゲーションを対象としている。道路上の自動運転とは異なり、歩道では予測不能な地形や歩行者の中を精密にすり抜ける必要があり、知覚スタックは単眼 RGB カメラ 1 台という極めて軽量な構成まで許容されることが求められる。
著者らは、実演からの模倣学習（IL）が実用的な解決策である一方、そこから得られる自動操縦ポリシーには、誤差の累積（compounding errors）、歩道上の社会的規範の欠如、複雑な状況に対処するための反事実推論の不足という三つの課題があると指摘する。これらに対処するため、研究チームは FlowPilot を提案した。単眼 RGB カメラのみを用いて、堅牢かつ効率的な長距離ナビゲーションを実現するマップレス（mapless）なナビゲーション �ポリシーである。
手法としてまず、アンカード・フローマッチング（anchored flow matching）を行動表現として導入し、大規模なロボットフリートのデータでポリシーを事前学習する。これにより、歩道ナビゲーション行動の多様で複雑なマルチモーダル分布を捉える。次に、模倣とアラインメントの間のギャップを埋めるため、ヒューマン・イン・ザ・ループの選好学習スキームを設計し、少量の人間による介入データでポリシーを調整する。これにより、モデルの反事実推論能力と歩道上の社会的規範の遵守が強化され、最終的に FlowPilot-HP が得られる。
評価では、多様な歩道環境において大規模なシミュレーションと実世界実験を実施した。シミュレーションでは FlowPilot が 42% の成功率と 66% の経路完了率を達成し、人間の選好で微調整した FlowPilot-HP は実世界での堅牢性と社会的規範の遵守をさらに向上させ、ベースモデルと比較して介入率（IR）を 40.0%、非介入率（NIR）を 52.1% 削減した。本論文は 2026 年 6 月 10 日 19:01:31 UTC に第 1 版（v1）が投稿され、全文は約 28,214 KB。arXiv 上で PDF および実験的な HTML 版を閲覧でき、DOI は 10.48550/arXiv.2606.12603（DataCite による登録は保留中）である。