日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

ナビゲーションarXiv:2511.03165

SENT-Map:基盤モデルによる意味拡張トポロジカルマップ

SENT Map -- Semantically Enhanced Topological Maps with Foundation Models

シェア:XThreadsFacebookLINEはてブBluesky

屋内環境をJSON形式の意味付きトポロジカルマップで表現し、視覚基盤モデルと自然言語クエリを組み合わせてロボットの計画を可能にするフレームワークを提案した。

詳しい要約

1. どんなもの?

- 屋内環境の自律ナビゲーションとマニピュレーションを支援するための、意味的に拡張されたトポロジカルマップ「SENT-Map」を提案する研究。 - 環境をJSONテキスト形式で表現し、人間とFoundation Models (FMs)の双方が理解できる形式で意味情報を追加・編集可能にする。 - 計画時にロボットを既存ノードにgroundingし、実行時の実行不可能な状態を回避する。

2. 先行研究と比べてどこがすごい?

- 従来のトポロジカルマップとの具体的な比較は要旨からは不明。 - 意味情報をJSONテキストで付与することで、人間とFMsの双方が扱える点を特徴として主張。 - 意味的拡張により、ローカルにデプロイ可能な小規模FMsでも屋内環境の計画が成功することを示す点を強調。

3. 技術・手法の肝は?

- 2段階アプローチを採用。 - 第1段階: Vision-FMを用いてオペレータと共に環境をマッピング。 - 第2段階: SENT-Map表現と自然言語クエリをFMに入力して計画を行う。 - 環境をJSONテキスト形式で表現し、計画時にロボットを既存ノードにgroundingして実行不可能な状態を回避。

4. どうやって有効だと検証した?

- 実験結果により、意味的拡張が小規模なローカルデプロイ可能FMsでも屋内環境上の計画を成功させることを示した。 - 具体的な実験設定・評価指標・データセットは要旨からは不明。

5. 議論はある?

- 要旨からは不明。 - 小規模FMsの計画性能向上という利点が示唆されるが、限界や失敗ケースに関する議論は要旨に記載なし。

6. 次に読むべき論文は?

- 要旨で参照・比較されている個別研究は明示されていない。 - 関連手法としてVision-FM、Foundation Models (FMs)、トポロジカルマップ、groundingに関する研究が挙げられる。 - 同分野の定番としてVision-Language Models (VLMs)やSemantic Mappingの関連論文を次に読むことが考えられる。

※ 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: Raj Surya Rajendran Kathirvel, Zach A Chavis, Stephen J. Guy, Karthik Desingh

分類: cs.RO

原文アブストラクト

We introduce SENT-Map, a semantically enhanced topological map for representing indoor environments, designed to support autonomous navigation and manipulation by leveraging advancements in foundational models (FMs). Through representing the environment in a JSON text format, we enable semantic information to be added and edited in a format that both humans and FMs understand, while grounding the robot to existing nodes during planning to avoid infeasible states during deployment. Our proposed framework employs a two stage approach, first mapping the environment alongside an operator with a Vision-FM, then using the SENT-Map representation alongside a natural-language query within an FM for planning. Our experimental results show that semantic-enhancement enables even small locally-deployable FMs to successfully plan over indoor environments.

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. 3NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  4. 4GXO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
  5. 5Google DeepMind、ロボット向けAIを発表新製品・発表

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