人とロボットのインタラクション（HRI）の分野では、実環境の中で人が歩くそばを柔軟に伴走できるロボットは多くの応用が期待される一方、実現は容易ではない。従来の手法はロボットを人の後ろ、前、あるいは横並びといった固定の相対位置に縛るものが一般的であり、人や障害物の動きが絶えず変わる動的な作業空間では対応力が制限されてしまう。
この課題に対し、本論文は深層強化学習（DRL）を活用した新たな伴走戦略を提示する。移動ロボットは状況の変化に応じて追従位置を動的に調整でき、固定された一つの配置に留まる必要がない。研究では人とロボットの関係を周囲環境も含めて表現する「インタラクション空間」を定義し、これを DRL の状態空間の基盤とすることで、環境変化への適応を可能にしている。制御面では Model Predictive Path Integral（MPPI）制御と制御バリア関数（CBF）を統合した人—ロボット伴走コントローラを構築し、対象者の動きを位置と姿勢の両面で正確に追従しつつ、障害物を回避し、社会的受容性と安全性を高める。
評価は屋内と屋外の実環境で行われ、他の研究との比較も実施された。その結果、提案手法は成功率と追従精度をそれぞれ少なくとも24%および47%向上させ、同時に人の快適性も改善した。実験では、人が最大1.7 m/s で歩く場合でもロボットが柔軟に伴走し、戦略を動的に切り替えられることが示された。さらにロボットは人の親密空間を尊重し、安全性と快適性、そして効果的な障害物回避を両立させている。
本論文は Cong-Thanh Vu 氏と Yen-Chen Liu 氏によるもので、2026年8月20日に arXiv に投稿された（arXiv:2609.25031v1、主分類 cs.RO、交叉分類 eess.SY、DOI は 10.48550/arXiv.2609.25031）。IEEE Transactions on Systems, Man, and Cybernetics: Systems に採録済みである。ただし本文で示された数値や主張はアブストラクトに基づくもので、アルゴリズムの詳細や実験条件、限界については原論文を確認する必要がある。