EfficientNav: ナビゲーションマップのキャッシュと検索によるオンデバイス物体目標ナビゲーション

- 本研究は、未見環境内の指定物体位置へエージェントを導く Object-goal navigation (ObjNav) を、オンデバイスで効率的に実行する手法 EfficientNav を提案する。 - LLM とオンライン構築 navigation map を用いた zero-shot ObjNav を対象とし、クラウド上の巨大 LLM 依存を解消しつつ小規模 LLM でも性能を維持することを狙う。 - 具体的には navigation map の冗長情報削減と KV cache の効率的な保存・再利用により、計画遅延を削減する。

- 既存の LLM ベース zero-shot ObjNav は GPT-4 などクラウド上の巨大 LLM に強く依存していた。 - 単純に LLaMA3.2-11b などの小規模 LLM へ置き換えると、複雑な navigation map の理解能力不足により成功率が大きく低下していた。 - EfficientNav は HM3D benchmark で GPT-4 ベースライン比 11.1% の成功率改善、GPT-4 planner 比で real-time latency 6.7x 削減、end-to-end latency 4.7x 削減を報告している点が特徴。

- semantics-aware memory retrieval を導入し、navigation map 中の冗長情報を pruning することで小規模 LLM の環境理解を支援する。 - discrete memory caching と attention-based memory clustering により、KV cache を効率的に保存・再利用し planning latency を削減する。 - navigation map 記述による長い prompt がローカル端末での計画遅延を招く問題に対処する設計となっている。

- HM3D benchmark 上で実験を行い、GPT-4 ベースの baseline と比較して成功率が 11.1% 向上したと報告。 - GPT-4 planner と比較して real-time latency が 6.7x、end-to-end latency が 4.7x 削減されたと報告。 - コードは https://github.com/PKU-SEC-Lab/EfficientNav で公開されている。

- 小規模 LLM のモデル容量不足による複雑な navigation map 理解の困難さと、長い prompt に起因するローカル端末での計画遅延という課題を議論している。 - 提案手法は冗長情報削減と KV cache 再利用でこれらに対処するが、要旨からは限界や失敗事例に関する詳細な議論は不明。

- 比較対象として GPT-4 ベースの ObjNav planner、小規模 LLM の LLaMA3.2-11b を用いた手法が挙げられる。 - 関連技術として LLM を用いた zero-shot ObjNav、online navigation map 構築、KV cache 再利用・memory retrieval に関する研究が次に読むべき候補。 - 具体的な論文名は要旨からは不明。