| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2026-06-23 10:50 Alleviating Long-Tail Action Bias in Social Navigation via Tail-Class Dialogue Augmentation ○肖 玲（北大）・山崎俊彦（東大）  SIP2026-22 BioX2026-22 IE2026-22 MI2026-22 |
|
| 抄録 | （和） | (まだ登録されていません) |
| （英） | Social navigation datasets often exhibit a severe long-tail distribution of action labels, where dominant actions such as move forward occur much more frequently than safety-critical actions, such as turn left, turn right, and stop. This imbalance often causes vision-language models (VLMs) to exhibit shortcut learning behavior by over-predicting majority actions and ne- glecting rare but critical navigation decisions. To address this issue, we propose Tail-Class Dialogue Augmentation (TCDA), a multimodal augmentation framework that enriches underrepresented navigation samples through appearance-preserving image transformations and semantic-preserving dialogue augmentation. Specifically, TCDA increases the diversity of tail-class training samples while preserving the original navigation semantics and action consistency. The generated samples are combined with the original real-world navigation data for model training. Experiments on the MUSON benchmark demonstrate that TCDA improves balanced decision-making performance in most settings across multiple VLM backbones. In particular, TCDA improves the balanced action accuracy (Q4-BAcc) from 0.29 to 0.44 (+49%) and substantially enhances recognition of rare but safety-critical navigation actions while maintaining strong performance on dominant actions. These results suggest that multimodal tail-class augmentation is an effective solution for mitigating long-tail learning in socially compliant navigation. |
|
| キーワード | （和） | / / / / / / / |
| （英） | Social Navigation / Vision-Language Models / Long-Tail Learning / Multimodal Learning / / / / | |
| 文献情報 | 信学技報, vol. 126, no. 85, IE2026-22, pp. 114-117, 2026年6月. | |
| 資料番号 | IE2026-22 | |
| 発行日 | 2026-06-15 (SIP, BioX, IE, MI) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | SIP2026-22 BioX2026-22 IE2026-22 MI2026-22 |
|
| 研究会情報 | |
| 研究会 | ITE-IST ITE-ME IE BioX SIP MI |
| 開催期間 | 2026-06-22 - 2026-06-23 |
| 開催地（和） | 鳥取県立生涯学習センター |
| 開催地（英） | |
| テーマ（和） | マルチメディアデータ・映像・画像・信号の取得・処理・解析・認証と応用、および一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | IE |
| 会議コード | 2026-06-IST-ME-IE-BioX-SIP-MI |
| 本文の言語 | 日本語 |
| タイトル（和） | Alleviating Long-Tail Action Bias in Social Navigation via Tail-Class Dialogue Augmentation |
| サブタイトル（和） | |
| タイトル（英） | Alleviating Long-Tail Action Bias in Social Navigation via Tail-Class Dialogue Augmentation |
| サブタイトル（英） | |
| キーワード(1)（和/英） | / Social Navigation |
| キーワード(2)（和/英） | / Vision-Language Models |
| キーワード(3)（和/英） | / Long-Tail Learning |
| キーワード(4)（和/英） | / Multimodal Learning |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 肖 玲 / Ling Xiao / ショオ リン |
| 第1著者 所属（和/英） | 北海道大学 (略称： 北大) Hokkaido University (略称： Hokkaido Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 山崎 俊彦 / Toshihiko Yamasaki / ヤマサキ トシヒコ |
| 第2著者 所属（和/英） | 東京大学 (略称： 東大) The University of Tokyo (略称： UTokyo) |
| 講演者 | 第1著者 |
| 発表日時 | 2026-06-23 10:50:00 |
| 発表時間 | 25分 |
| 申込先研究会 | IE |
| 資料番号 | SIP2026-22, BioX2026-22, IE2026-22, MI2026-22 |
| 巻番号（vol） | vol.126 |
| 号番号（no） | no.83(SIP), no.84(BioX), no.85(IE), no.86(MI) |
| ページ範囲 | pp.114-117 |
| ページ数 | 4 |
| 発行日 | 2026-06-15 (SIP, BioX, IE, MI) |
[研究会発表申込システムのトップページに戻る]