日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

VLAarXiv:2509.18592

VLN-Zero:ゼロショット移動のための高速探索とキャッシュ活用型ニューロシンボリック視覚言語ナビゲーション

VLN-Zero: Rapid Exploration and Cache-Enabled Neurosymbolic Vision-Language Planning for Zero-Shot Transfer in Robot Navigation

シェア:XThreadsFacebookLINEはてブBluesky

VLMでシーングラフを効率的に構築し、ニューロシンボリックな計画とキャッシュ実行を組み合わせることで、未知環境でのゼロショット視覚言語ナビゲーションを高速・高精度に実現した研究。

詳しい要約

1. どんなもの?

- VLN-Zero は未見環境での zero-shot 適応を目指す二段階の vision-language navigation フレームワーク - 探索フェーズと配備フェーズから構成 - vision-language models (VLM) を用いて記号的な scene graph を構築 - neurosymbolic な計画により zero-shot でナビゲーションを実現 - 探索と実行の両面で効率化を図る設計 - 探索では structured prompts で VLM 探索を誘導 - 配備では cache-enabled execution module を利用 - コード・データセット・動画を公開(URL 記載)

2. 先行研究と比べてどこがすごい?

- 既存手法は網羅的探索や硬直的な navigation policy に依存し汎化が不十分 - VLN-Zero は rapid exploration と symbolic reasoning、cache を組み合わせて克服 - 性能面の優位性(要旨の主張) - state-of-the-art の zero-shot モデル比で成功率 2x - 多くの fine-tuned baseline を上回る - 目標到達時間が半分、VLM 呼び出し回数が平均 55% 削減 - 計算効率と汎化性の両立を狙う点が差分 - 従来の vision-language navigation の計算非効率と汎化不足に対処すると主張

3. 技術・手法の肝は?

- 二段階構成が肝 - 探索フェーズ: structured prompts で VLM ベース探索を informative かつ diverse な軌跡へ誘導し compact な scene graph を得る - 配備フェーズ: neurosymbolic planner が scene graph と環境観測を推論し実行可能計画を生成 - cache-enabled execution module - 過去に計算した task-location 軌跡を再利用して適応を加速 - 記号的表現(scene graph)と VLM 推論、キャッシュを統合 - 探索の効率化と計画の一般化を同時に狙う設計

4. どうやって有効だと検証した?

- 多様な環境での比較評価を実施(要旨の記述) - state-of-the-art の zero-shot モデルと比較し成功率 2x - 多くの fine-tuned baseline を上回る - 目標到達時間が半分、VLM 呼び出し回数が平均 55% 削減 - 具体的なデータセット名・ベンチマーク名・被験者数などは要旨からは不明 - 評価プロトコルの詳細は要旨からは不明

5. 議論はある?

- 要旨では限界や失敗事例の議論は明示されていない - 探索フェーズのプロンプト設計依存性や scene graph の品質影響は要旨からは不明 - cache の再利用が未知タスクでどの程度効くかの条件は要旨からは不明 - 計算効率(VLM 呼び出し削減)と汎化のトレードオフに関する議論は要旨からは不明 - 実ロボットでの検証可否や安全性・動的環境への適用性は要旨からは不明

6. 次に読むべき論文は?

- 要旨で直接参照・比較されている個別研究名は記載なし - 比較対象として state-of-the-art zero-shot models と fine-tuned baselines が言及 - 関連手法として次に読む候補(一般名) - vision-language navigation (VLN) の zero-shot 手法 - neurosymbolic planning / scene graph を用いたロボットナビゲーション - VLM を用いた探索・地図構築(例: VLM-based exploration) - cache を用いた計画再利用・経験再利用の研究

※ 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: Neel P. Bhatt, Yunhao Yang, Rohan Siva, Pranay Samineni, Daniel Milan, Zhangyang Wang, Ufuk Topcu

分類: cs.RO, cs.AI, cs.CV, cs.LG, cs.SY, eess.SY

原文アブストラクト

Rapid adaptation in unseen environments is essential for scalable real-world autonomy, yet existing approaches rely on exhaustive exploration or rigid navigation policies that fail to generalize. We present VLN-Zero, a two-phase vision-language navigation framework that leverages vision-language models to efficiently construct symbolic scene graphs and enable zero-shot neurosymbolic navigation. In the exploration phase, structured prompts guide VLM-based search toward informative and diverse trajectories, yielding compact scene graph representations. In the deployment phase, a neurosymbolic planner reasons over the scene graph and environmental observations to generate executable plans, while a cache-enabled execution module accelerates adaptation by reusing previously computed task-location trajectories. By combining rapid exploration, symbolic reasoning, and cache-enabled execution, the proposed framework overcomes the computational inefficiency and poor generalization of prior vision-language navigation methods, enabling robust and scalable decision-making in unseen environments. VLN-Zero achieves 2x higher success rate compared to state-of-the-art zero-shot models, outperforms most fine-tuned baselines, and reaches goal locations in half the time with 55% fewer VLM calls on average compared to state-of-the-art models across diverse environments. Codebase, datasets, and videos for VLN-Zero are available at: https://vln-zero.github.io/.

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

FRONTIER(GPU搭載BTOパソコン)

FRONTIER(GPU搭載BTOパソコン)の公式広告バナーFRONTIERでGPU搭載PCを見る ↗
PR本紙発行元 EmplifAI