日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

ナビゲーションarXiv:2505.21969

DORAEMON: 記憶強化型分散オントロジー認識エージェントによるナビゲーション

DORAEMON: Decentralized Ontology-aware Reliable Agent with Enhanced Memory Oriented Navigation

シェア:XThreadsFacebookLINEはてブBluesky

人間の脳の腹側・背側経路を模したフレームワークで、VLMと階層的意味空間融合・トポロジーマップを組み合わせ、未知環境でのゼロショット自律ナビゲーションを高精度に実現した。

詳しい要約

1. どんなもの?

- 家庭用サービスロボットの未知環境における適応的ナビゲーションを対象とした研究 - VLM ベースの zero-shot ナビゲーション手法 DORAEMON を提案 - 人間のナビゲーション能力を模した Ventral Stream と Dorsal Stream からなる認知着想フレームワーク - 事前地図構築や事前学習を必要としない zero-shot 自律ナビゲーションを目指す

2. 先行研究と比べてどこがすごい?

- 既存の VLM ベース zero-shot 手法は prior map や scene 固有の学習データ依存を低減したが限界がある - 課題として離散観測による時空間的不連続、非構造な記憶表現、不十分なタスク理解によるナビゲーション失敗を指摘 - DORAEMON はこれらに対処し、HM3D・MP3D・GOAT で SR と SPL の両指標で state-of-the-art を達成 - 既存手法を大幅に上回ると報告

3. 技術・手法の肝は?

- Ventral Stream と Dorsal Stream の二系統構成 - Dorsal Stream は Hierarchical Semantic-Spatial Fusion と Topology Map で時空間的不連続を処理 - Ventral Stream は RAG-VLM と Policy-VLM を組み合わせ意思決定を改善 - Nav-Ensurance によりナビゲーションの安全性と効率を確保 - 新評価指標 AORI を導入しナビゲーション知能を評価

4. どうやって有効だと検証した?

- HM3D、MP3D、GOAT のデータセットで評価 - success rate (SR) と success weighted by path length (SPL) の両指標で state-of-the-art を達成 - 既存手法を大幅に上回る性能を確認 - 事前地図構築や事前学習なしの zero-shot 自律ナビゲーションでの有効性を包括実験で示す

5. 議論はある?

- 既存 VLM ベース zero-shot 手法の限界として時空間的不連続、非構造な記憶、タスク理解不足を議論 - 新指標 AORI の導入によりナビゲーション知能の評価を試みる - 具体的な限界や失敗事例、計算コストなどの詳細な議論は要旨からは不明

6. 次に読むべき論文は?

- VLM ベースの zero-shot ナビゲーション関連研究(要旨では個別名の参照なし) - RAG-VLM や Policy-VLM に関連する VLM 研究 - HM3D、MP3D、GOAT を用いたナビゲーションベンチマーク研究 - Topology Map や Semantic-Spatial Fusion を用いるナビゲーション手法

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Tianjun Gu, Linfeng Li, Xuhong Wang, Chenghua Gong, Jingyu Gong, Zhizhong Zhang, Yuan Xie, Lizhuang Ma, Xin Tan

分類: cs.RO, cs.AI

原文アブストラクト

Adaptive navigation in unfamiliar environments is crucial for household service robots but remains challenging due to the need for both low-level path planning and high-level scene understanding. While recent vision-language model (VLM) based zero-shot approaches reduce dependence on prior maps and scene-specific training data, they face significant limitations: spatiotemporal discontinuity from discrete observations, unstructured memory representations, and insufficient task understanding leading to navigation failures. We propose DORAEMON (Decentralized Ontology-aware Reliable Agent with Enhanced Memory Oriented Navigation), a novel cognitive-inspired framework consisting of Ventral and Dorsal Streams that mimics human navigation capabilities. The Dorsal Stream implements the Hierarchical Semantic-Spatial Fusion and Topology Map to handle spatiotemporal discontinuities, while the Ventral Stream combines RAG-VLM and Policy-VLM to improve decision-making. Our approach also develops Nav-Ensurance to ensure navigation safety and efficiency. We evaluate DORAEMON on the HM3D, MP3D, and GOAT datasets, where it achieves state-of-the-art performance on both success rate (SR) and success weighted by path length (SPL) metrics, significantly outperforming existing methods. We also introduce a new evaluation metric (AORI) to assess navigation intelligence better. Comprehensive experiments demonstrate DORAEMON's effectiveness in zero-shot autonomous navigation without requiring prior map building or pre-training.

関連論文

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  3. 3newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

MINISFORUM(ミニPC)

MINISFORUM(ミニPC)の公式広告バナーMINISFORUM公式ストアを見る ↗
PR本紙発行元 EmplifAI