本論文では、エンドツーエンドの模倣学習を用いたマイクロモビリティプラットフォームに関する研究を紹介しています。従来のロボティクスの指標とは異なり、ユーザーの快適さや全体的な体験を最適化することに焦点を当て、特に混雑した大規模な屋内空間や都市部での運用を前提としています。特に、模倣学習による自律型車いすDAAVが、移動の補助が必要な人を追従するフォローミーモードにおいて、従来の手動調整されたコントローラに比べて優れた快適性を提供することを示しています。また、様々な神経ネットワークアーキテクチャの性能を分析し、実際の商業アプリケーションにおける使用可能性を検証しています。この研究は、より良いユーザー体験を実現するための重要なステップと位置付けられます。