日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

視覚ナビゲーションarXiv:2506.03834

CARE: 反発力推定による視覚ナビゲーションの衝突回避と安全性向上

CARE: Enhancing Safety of Visual Navigation through Collision Avoidance via Repulsive Estimation

シェア:XThreadsFacebookLINEはてブBluesky

RGB画像から推定した深度に基づく反発力で軌道を動的に補正し、追加センサや再学習なしに視覚ナビゲーションの衝突を最大100%削減する着脱可能モジュールCAREを提案。

詳しい要約

1. どんなもの?

- 視覚ナビゲーションの安全性を高める着脱可能なモジュール CARE (Collision Avoidance via Repulsive Estimation) の提案 - RGB 画像のみから局所軌道を生成する学習ベースのナビゲーションモデルに後付けで統合できる - 追加の range sensor や pretrained model の fine-tuning を必要としない - 目的は OOD シーン(未知物体や camera setup の変化)での衝突リスク低減

2. 先行研究と比べてどこがすごい?

- 近年の visual navigation model、特に foundation model は RGB のみで軌道生成できるが OOD 環境への汎化が弱い - 従来はデータ収集や追加学習で対応する必要があったが CARE は fine-tuning 不要 - 追加の range sensor を要さず、任意の RGB ベース局所軌道生成モデルに統合可能 - 既存モデルの性能を損なわず衝突を最大 100% 削減した点が特徴

3. 技術・手法の肝は?

- RGB 入力から直接推定した depth image を用いて repulsive force vector を計算 - pretrained model が出力する軌道を repulsive force で動的に調整する - 追加センサや再学習なしで安全性を付加する attachable なモジュール設計 - 局所軌道を生成する任意の RGB ベースナビゲーションモデルにシームレスに統合可能

4. どうやって有効だと検証した?

- state-of-the-art の visual navigation model に CARE を統合し、多様な robot platform で評価 - 実世界実験を実施 - goal-conditioned navigation ではナビゲーション性能を損なわず衝突を最大 100% 削減 - exploration task では collision-free travel distance を最大 10.7x 改善

5. 議論はある?

- 要旨からは不明(具体的な限界や失敗ケース、depth 推定誤差の影響などの議論は要旨に記載なし) - 実世界実験での robot platform 間の差異や OOD 条件の詳細な分析は要旨からは不明

6. 次に読むべき論文は?

- 要旨で比較対象として明示された個別研究はなし - 関連手法として RGB のみで軌道生成する visual navigation model や foundation model ベースのナビゲーション、depth estimation を用いた collision avoidance 関連の研究を参照すべき(具体名は要旨からは不明)

※ 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: Joonkyung Kim, Joonyeol Sim, Woojun Kim, Katia Sycara, Changjoo Nam

分類: cs.RO, cs.CV

原文アブストラクト

We propose CARE (Collision Avoidance via Repulsive Estimation) to improve the robustness of learning-based visual navigation methods. Recently, visual navigation models, particularly foundation models, have demonstrated promising performance by generating viable trajectories using only RGB images. However, these policies can generalize poorly to environments containing out-of-distribution (OOD) scenes characterized by unseen objects or different camera setups (e.g., variations in field of view, camera pose, or focal length). Without fine-tuning, such models could produce trajectories that lead to collisions, necessitating substantial efforts in data collection and additional training. To address this limitation, we introduce CARE, an attachable module that enhances the safety of visual navigation without requiring additional range sensors or fine-tuning of pretrained models. CARE can be integrated seamlessly into any RGB-based navigation model that generates local robot trajectories. It dynamically adjusts trajectories produced by a pretrained model using repulsive force vectors computed from depth images estimated directly from RGB inputs. We evaluate CARE by integrating it with state-of-the-art visual navigation models across diverse robot platforms. Real-world experiments show that CARE significantly reduces collisions (up to 100%) without compromising navigation performance in goal-conditioned navigation, and further improves collision-free travel distance (up to 10.7x) in exploration tasks. Project page: https://airlab-sogang.github.io/CARE/

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