不確実性を考慮した能動的知覚によるオープンボキャブラリ物体目標ナビゲーション

- 屋内環境における ObjectNav（自然言語で指定された物体を探索・発見するタスク）のための手法 - vision-language models を用いた知覚における「semantic uncertainty」を考慮する点が特徴 - semantic uncertainty-informed な active perception pipeline を提案 - 確率的な geometric-semantic map と frontier exploration planner を組み合わせる - プロンプトエンジニアリングへの依存を減らすことを狙う

- 既存の ObjectNav 手法は知覚のための prompt engineering に大きく依存 - プロンプト表現の違いに起因する semantic uncertainty を扱っていない点が従来の課題 - 本研究は semantic uncertainty を明示的に定量化し探索に組み込む点が新しい - 広範な prompt engineering なしで state-of-the-art に匹敵する成功率を達成 - 従来手法が無視していた不確実性が探索の非効率を招くという問題意識に基づく

- vision-language models の semantic uncertainty を定量化する新規 probabilistic sensor model を導入 - その sensor model を probabilistic geometric-semantic map に統合し空間理解を強化 - 地図に基づき frontier exploration planner を構築 - プランナには uncertainty-informed multi-armed bandit の目的関数を採用 - 不確実性を考慮した効率的な物体探索を導くパイプライン全体が肝

- 実験により ObjectNav の success rates を評価 - 提案手法が state-of-the-art の手法に匹敵する成功率を達成したと報告 - その際、広範な prompt engineering を必要としないことを示す - 具体的なデータセット名や実験設定の詳細は要旨からは不明 - 比較対象の個別手法名も要旨からは不明

- semantic uncertainty を無視すると探索が suboptimal になり性能を制限しうると議論 - prompt phrasing の変化に伴う不確実性への対処が重要という立場 - 提案手法は prompt engineering 依存を軽減できる可能性を示す - ただし成功率以外の指標や限界、失敗事例の議論は要旨からは不明 - 計算コストやスケーラビリティに関する議論も要旨からは不明

- ObjectNav の代表的手法（例：frontier-based exploration を用いる手法） - vision-language models を用いた open-vocabulary な物体知覚に関する研究 - probabilistic geometric-semantic map を扱う semantic mapping 研究 - multi-armed bandit を用いた exploration planning の研究 - semantic uncertainty の定量化に関する vision-language model 研究 - 個別の参照論文名は要旨からは不明