人間のグループに付き添うロボットの開発は、ロボットが人間らしい社会認知能力を備えるうえで極めて重要な課題です。しかし現実の人間集団は固定された隊形を維持することなく、常に動的に変化しています。このため、ロボットが自然な同伴行動を実現することは大きな技術的チャレンジとなっていました。 本研究では、Vision-Language Models（VLM）に基づく適応的な群集随伴方法を提案しています。VLMの意味推論能力を活用することで、同伴位置の推定、社会的距離の維持、集団力学の理解が実現されます。システムはまず集団メンバーを検出し、知覚モジュールが相互作用空間の視覚表現を生成します。これをModel Predictive Path Integral（MPPI）コントローラと組み合わせることで、ロボット動作の安定性と安全性が確保される仕組みです。 5つのシナリオにわたる実験評価の結果、提案手法はロボットが効果的に集団に付き添うことを実現しました。既存の手法と比較して成功率が15%向上し、衝突率が25%削減されています。さらにユーザー研究では、生成された同伴行動が自然で社会的に適切であると評価されました。 このアプローチは、VLMとMPPIコントローラの組み合わせにより、複雑に変化する人間集団の動きに対してロボットが柔軟に対応できることを実証しています。社会ロボットがより自然で信頼性の高い同伴行動を実現するための重要な進展といえます。