⚡ electrical engineering

Empirical Prediction of Pedestrian Comfort in Mobile Robot Pedestrian Encounters

本論文は、移動ロボットと歩行者の相互作用における運動学的変数と主観的快適さの関係を実験的に分析し、複数の変数を組み合わせた複合推定器を用いて歩行者の快適性を高精度に予測する手法を提案することで、社会的に適合したロボットの実現に貢献するものです。

原著者： Alireza Jafari, Hong-Son Nguyen, Yen-Chen Liu

公開日 2026-04-16

📖 1 分で読めます☕ さくっと読める

CC BY 4.0

原著者： Alireza Jafari, Hong-Son Nguyen, Yen-Chen Liu

原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 ✨ これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。免責事項の全文を読む

この論文は、**「ロボットが人混みの中を歩くとき、どうすれば人間が『気持ちいい』と感じるか」**を研究したものです。

これまでのロボット研究は「ぶつからないようにする（安全）」ことばかりに注目していましたが、この研究は**「ぶつからなくても、人間が『うっとうしい』や『怖い』と感じるかもしれない」**という、もっと繊細な部分に目を向けました。

まるで**「お見合い」や「エレベーターでの遭遇」**のようなシチュエーションを想像してみてください。相手が近づいてきても、距離が近すぎず、動きが滑らかで、急いでいないように見えれば、私たちは安心しますよね。この研究は、ロボットがその「安心感」を数値化しようとしたものです。

以下に、この研究のポイントをわかりやすく解説します。

1. 研究の目的：ロボットに「気配り」を教える

ロボットが歩道や病院を歩くとき、単に「衝突回避」できればいいわけではありません。人間は、ロボットがどんな動きをするかで、安心したり不安になったりします。

これまでの常識： 「ぶつからない距離さえ保てば OK」。
この研究の発見： 「距離」だけでなく、「スピード」や「曲がり方」、そして「衝突しそうになるまでの時間」も、人間の気持ちに大きく影響する。

2. 実験：ロボットと人間の「ダンス」

研究者たちは、廊下でロボットと人間がすれ違う実験を行いました。

ロボット： 人間に向かって歩き、避けながら通り過ぎます。
人間： 参加者は「その瞬間、どう感じたか」を 1〜5 段階で評価します（1 は「最悪」、5 は「最高」）。
変える条件： ロボットのスピードを「ゆっくり（1.4m/s）」と「やや速い（2.8m/s）」の 2 パターンに変えてみました。

3. 驚きの発見：何が「気持ちいい」のか？

実験データを分析すると、いくつかの面白いルールが見つかりました。

「距離」だけじゃない： 昔から言われていた「距離が近いと不快」というのは事実ですが、それだけがすべてではありません。
「時間」が重要（PTTC）： 最も重要だったのは、**「もし衝突したら、あと何秒でぶつかるか」**という指標（PTTC）でした。
- アナロジー： 自動運転車が急ブレーキをかける直前、私たちは「あぶない！」と感じます。ロボットが「あと 0.5 秒でぶつかる！」という状況を作ると、人間は非常に不安になります。逆に、余裕のある時間（PTTC）があれば、人は安心します。
スピードと曲がり方： 速すぎると不快になります。また、ギクシャクした曲がり方よりも、滑らかな弧を描く動きの方が好まれます。
「横」の距離： 正面から来るよりも、少し横からすれ違う方が安心する傾向がありましたが、これは「最適な距離」があることがわかりました（0.75m〜1.0m くらいがベストなようです）。

4. 成果：新しい「気持ちよさ予測器」の開発

研究者たちは、このデータをもとに、ロボットが「今、人間は快適か？」を判断する3 つの予測モデルを作りました。

距離だけのモデル： 「距離が 1 メートルあれば OK」という単純なルール。
時間だけのモデル： 「衝突までの時間が 0.7 秒あれば OK」というルール。
コンポジット（複合）モデル： これが一番優秀！ 距離、スピード、曲がり方、時間など、すべての要素を組み合わせた「総合判断」です。

結果：
この「複合モデル」は、「人間が快適だと感じているかどうか」を、約 4 倍の確率で正確に当てられることがわかりました。

例え話： これまでのロボットは「安全か？」だけを見ていましたが、この新しいモデルは「人間が『あ、このロボットは気を使って近づいてくれるな』と感じるか」まで読み取れるようになりました。

5. なぜこれが重要なのか？

この研究は、ロボットに**「社会的なマナー」**を教えるための第一歩です。
今後は、この予測器をロボットに搭載することで、以下のようなことが可能になります。

人が多い場所で、無理に急がず、人が安心するルートを選ぶ。
高齢者や子供がいるときは、よりゆっくり、より優しく動く。
結果として、ロボットが街に溶け込み、人間が「ロボットが来ても平気だ」と思えるようになる。

まとめ

この論文は、**「ロボットが人間と共存するには、単に『ぶつからない』だけでなく、『人間に安心感を与える動き』をする必要がある」**と教えてくれました。

まるで**「気配りのある隣人」**のように、距離感やスピードを調整しながら歩くロボット。そんなロボットが街中に増える未来は、もうすぐそこに来ているかもしれません。

論文要約：移動ロボットと歩行者の遭遇における歩行者の快適さの経験的予測

論文タイトル: Empirical Prediction of Pedestrian Comfort in Mobile Robot–Pedestrian Encounters
著者: Alireza Jafari, Hong-Son Nguyen, Yen-Chen Liu (国立成功大学)
掲載予定: IEEE ICRA 2026

1. 研究の背景と課題

移動ロボットが歩道や病院、空港などの公共空間に進出する際、歩行者の「主観的な快適さ（Comfort）」や「安心感」を考慮することが不可欠です。従来の経路計画アルゴリズムは、衝突回避などの「客観的な安全性」を最優先し、歩行者の感情や不安を定量化する研究は不足していました。
歩行者の不安を定量化できない限り、ロボットは歩行者の感情を理解したり、社会的に受容される経路を計画したりすることができません。既存の研究では、ロボットと歩行者の最小距離（Minimum Distance）が主に用いられていますが、速度、横方向距離、衝突までの時間（PTTC）、軌道の曲率など、他の運動学的変数が歩行者の快適さに与える影響は十分に調査されていませんでした。

2. 研究方法

本研究では、歩行者の主観的快適さと、ロボット - 歩行者間の運動学的変数の関係を経験的に調査しました。

実験設定

環境: 幅 3.2 メートルの廊下。
ロボット: Agilex Scout Mini（Mecanum 車輪を非ホロノミックな差動駆動として設定）。
- センサ：Zedx 深度カメラ（歩行者検知）、3D LiDAR（横方向距離測定）、2D LiDAR（緊急停止用）。
- 処理ユニット：Nvidia Jetson AGX Orin。
参加者: 32 名のボランティア（男性 22 名、女性 10 名、平均年齢 25.7 歳）。
実験手順:
- 参加者は廊下を歩き、ロボットとすれ違う実験を行いました。
- ロボットの速度は 2 条件（R14: 1.4 m/s, R28: 2.8 m/s）で一定に設定されました。
- 各参加者は 5 回ずつ実験を行い、各試行後に 1（最も危険）から 5（最も快適）のリーカート尺度で快適さを評価しました。
- 合計 160 試行（158 試行が有効データ）を収集しました。

対象とした運動学的変数（6 変数）

ロボット速度 ( $v$ ): 1.4 m/s と 2.8 m/s。
最小距離 ( $D_{min}$ ): ロボットと歩行者の相対的なユークリッド距離の最小値。
横方向距離 ( $D_{lat}$ ): すれ違い時の垂直距離。
最大軌道曲率 ( $\rho$ ): 軌道の最大曲率（滑らかさの指標）。
最小 PTTC ( $T_p$ ): 衝突までの予測時間（Projected Time-to-Collision）の最小値。
最小 PTTC 時の距離 ( $D_{TP}$ ): 最小 PTTC が発生した瞬間の距離（本研究で新規導入）。

3. 主要な結果と分析

統計的相関分析

収集されたデータと主観的快適さ（ $S$ ）の相関を、距離相関（Distance Correlation, dCor）と置換検定を用いて分析しました。

最小 PTTC ( $T_p$ ): 最も強い相関を示しました（dCor = 0.269, $p=0.002$ ）。PTTC が長いほど、歩行者はより快適に感じました。
最小距離 ( $D_{min}$ ): 2 番目に強い相関（dCor = 0.219, $p<0.011$ ）。距離が 0.5m 未満では快適さが急激に低下し、それ以上では緩やかに増加する傾向が見られました。
ロボット速度 ( $v$ ): 速度が高いほど快適さが低下する傾向（dCor = 0.214, $p<0.001$ ）。
横方向距離 ( $D_{lat}$ ) と最大曲率 ( $\rho$ ): 統計的に有意な相関は確認できませんでしたが、可視化データからは「最適値が存在する（逆 U 字型）」という傾向が示唆されました。
最小 PTTC 時の距離 ( $D_{TP}$ ): 有意な相関（dCor = 0.196, $p=0.033$ ）があり、快適さに寄与することが確認されました。

快適さ予測モデル（エスティメータ）の設計

収集データに基づき、3 つの予測モデルを設計し、性能を比較しました。

最小距離ベース ( $\hat{S}_d$ ): $D_{min} \ge 1.0$ m の場合を「快適」と判定。
最小 PTTC ベース ( $\hat{S}_t$ ): $T_p \ge 0.7$ s の場合を「快適」と判定。
複合エスティメータ ( $\hat{S}_E$ ): 上記 6 変数すべてを組み合わせ、各変数のバイナリ値に重み付けを行って総合スコア $E$ を算出。 $E \ge 4$ を「快適」と判定。

予測性能の比較

複合エスティメータ ( $\hat{S}_E$ ) の優位性:
- F1 スコア: 0.723（他は 0.599, 0.467）。
- オッズ比 (Odds Ratio): 3.67。これは、このモデルが「快適」と判定した場合、実際に歩行者が快適だと感じている確率は、そうでない場合の約 3.67 倍高いことを意味します。
- 単一変数の予測器（特に最小距離や PTTC のみ）よりも、複合モデルの方が精度、適合率、再現率、F1 スコアのすべてで優れた性能を示しました。

4. 論文の貢献と意義

運動学的変数の包括的評価: 歩行者の快適さに影響を与える要因として、従来の「最小距離」だけでなく、「PTTC」や「速度」などが重要であることを実証しました。特に、PTTC が最も強い相関を持つ変数であるという発見は重要です。
高品質な快適さ予測器の提案: 複数の運動学的変数を統合した「複合エスティメータ」を提案し、単一変数モデルよりも高い予測精度（オッズ比 3.67）を達成しました。
社会的に順応したロボットへの応用: 提案された予測器を経路計画アルゴリズムのコスト関数に組み込むことで、歩行者の感情を考慮した、より自然で安心感のあるロボットの動作を実現できます。

5. 限界と今後の課題

サンプルの偏り: 参加者がボランティアであり、ロボットに慣れている層が多いため、快適さの評価にポジティブなバイアスがかかっている可能性があります。
実験環境: 遠隔操作によるロボット走行であり、完全自律走行とは運動パターンが異なる可能性があります。
データ分割: 学習と評価に同一データセットを使用しているため、将来的には訓練・テスト分割による厳密な評価が必要です。
速度条件: 2 段階の速度のみで実験したため、中間速度を含めたさらなる検証が望まれます。

結論

本研究は、移動ロボットと歩行者の遭遇において、歩行者の主観的快適さを定量化するための経験的アプローチを提示しました。特に、最小 PTTC が重要な指標であることを示し、複数の運動学的変数を統合した予測モデルが、単一変数モデルよりも優れた性能を発揮することを実証しました。この成果は、より社会的に受容され、人間と調和した移動ロボットの開発に寄与するものです。