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:2509.24387

AdaNav: 不確実性に基づく適応的推論による視覚言語ナビゲーション

AdaNav: Adaptive Reasoning with Uncertainty for Vision-Language Navigation

シェア:XThreadsFacebookLINEはてブBluesky

視覚言語ナビゲーションにおいて、不確実性に応じて推論を動的に発動する軽量プラグインを提案し、少ない学習データで大幅な性能向上を実現した。

詳しい要約

1. どんなもの?

- Vision Language Navigation (VLN) において、自然言語指示を長期的な視覚観測に接地させながらエージェントが行動するタスクを対象とする研究。 - 固定ステップでの推論は性能が最適化されず計算も無駄になりやすいという問題に対し、不確実性に基づいて推論を適応的に発火させる枠組み AdaNav を提案。 - 中核は Uncertainty Adaptive Reasoning Block (UAR) と呼ばれる軽量プラグインで、推論のタイミングを動的に制御する。

2. 先行研究と比べてどこがすごい?

- 従来は固定ステップで reasoning を行うため、性能が準最適になり計算も不要に増える傾向があった。 - AdaNav は reasoning を必要なときだけ発火させる点で異なり、難易度を意識した reasoning policy を学習する。 - わずか 6K の訓練サンプルで、百万規模データで学習された closed source models を上回る大幅な改善を達成したと報告。

3. 技術・手法の肝は?

- Uncertainty Adaptive Reasoning Block (UAR) を軽量プラグインとして導入し、reasoning を動的にトリガーする。 - Action Entropy を UAR の policy prior として用いる。 - Heuristics to RL training により policy prior を段階的に洗練し、embodied tasks の厳しいデータ制約下で difficulty aware reasoning policies を学習させる。

4. どうやって有効だと検証した?

- R2R val-unseen で success rate が 20% 改善、RxR-CE で 11.7% 改善、real world scenes で 11.4% 改善したと報告。 - 6K の訓練サンプルのみで、百万規模データで学習された closed source models に対する比較を行った。 - 具体的なベースライン名や評価プロトコルの詳細は要旨からは不明。

5. 議論はある?

- 固定ステップ推論の非効率性と性能劣化に対し、不確実性ベースの適応推論が有効である可能性を示唆。 - データ制約の厳しい embodied tasks において Heuristics to RL training で難易度認識型 policy を学習できる点を主張。 - 限界や失敗事例、計算コストの詳細な分析、real world 評価の設定は要旨からは不明。

6. 次に読むべき論文は?

- 要旨で明示的に参照・比較されている個別研究はない。 - 関連手法として Vision Language Navigation (VLN)、Uncertainty Adaptive Reasoning Block (UAR)、Action Entropy、Heuristics to RL training に関する文献を挙げる。 - ベンチマークとして R2R、RxR-CE の関連論文を次に読む候補とする。

※ 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: Xin Ding, Jianyu Wei, Yifan Yang, Shiqi Jiang, Qianxi Zhang, Hao Wu, Fucheng Jia, Liang Mi, Yuxuan Yan, Weijun Wang, Yunxin Liu, Zhibo Chen, Ting Cao

分類: cs.RO

原文アブストラクト

Vision Language Navigation (VLN) requires agents to follow natural language instructions by grounding them in sequential visual observations over long horizons. Explicit reasoning could enhance temporal consistency and perception action alignment, but reasoning at fixed steps often leads to suboptimal performance and unnecessary computation. To address this, we propose AdaNav, an uncertainty-based adaptive reasoning framework for VLN. At its core is the Uncertainty Adaptive Reasoning Block (UAR), a lightweight plugin that dynamically triggers reasoning. We introduce Action Entropy as a policy prior for UAR and progressively refine it through a Heuristics to RL training method, enabling agents to learn difficulty aware reasoning policies under the strict data limitations of embodied tasks. Results show that with only 6K training samples, AdaNav achieves substantial gains over closed source models trained on million scale data, improving success rate by 20% on R2R val-unseen, 11.7% on RxR-CE, and 11.4% in real world scenes. The code is available at https://github.com/xinding-sys/AdaNav.

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. 2newmo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
  3. 3GXO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
  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