自律移動ロボットには、歩行者への迷惑を最小限に抑えるため、社会規範に沿ったナビゲーションが求められる。arXiv に投稿された新たな論文は、その実現には人々の社会的相互作用を捉えることと、歩行者の動きの推定を意思決定に組み込むことの両方が有効だと指摘する一方、従来手法は実世界データに存在する空間的特徴と時間的特徴の双方に対応できていないと論じている。
著者らは既存の二つのアプローチの限界を分析している。強化学習は高い能力を持つが、人手で設計した報酬関数に依存しており、社会的行動を静的な基準に還元してしまうため、実際の歩行者行動に見られる多様なパターンを再現しにくい。一方、模倣学習は実世界データから直接学習できるものの、社会的相互作用のモデリングを欠き、誤差が蓄積しやすいという問題を抱える。
こうした課題に対処するため、著者らは時空間ダイナミクスを活用して社会規範に沿ったナビゲーションを実現する模倣学習フレームワークを提案する。その中核となるのがグラフベースの補助ネットワークであり、歩行者への注意を通じて群衆の状態をグラフ構造として符号化することで、ロボットは歩行者を単なる独立した障害物としてではなく、互いに影響し合う集団として理解できるようになる。
さらにナビゲーションモジュールは、時間方向の動的な変化を捉えるとともに、符号化された状態予測を組み込み、軌道レベルの学習目的を採用することで、模倣学習でしばしば生じる誤差の蓄積を抑制する。ステップごとの予測ではなく軌道全体のレベルで最適化することで、長期的な行動の一貫性を保ちやすくなる。
著者らはシミュレーション環境と実世界のデータセットで評価を実施し、多様な社会的指標において本手法が既存のデータ駆動ベースラインを上回ることを示した。本論文は Berke Kartal 氏ら4名による成果で、2026年6月21日に投稿され、ロボティクス（cs.RO）分野に分類され、arXiv:2607.00028 として公開されている。