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:2511.06182

OpenVLN: オープンワールド空中視覚言語ナビゲーション

OpenVLN: Open-world Aerial Vision-Language Navigation

シェア:XThreadsFacebookLINEはてブBluesky

限られたデータでUAVの言語誘導飛行を実現するため、強化学習でVLMを微調整し、長期的軌道計画を可能にするフレームワークを提案。

詳しい要約

1. どんなもの?

- 屋外の空中環境における UAV 向けの Vision-Language Navigation (VLN) フレームワーク「OpenVLN」を提案する研究。 - 言語指示に従って UAV が飛行するタスクを対象とする。 - データが限られた状況でも動作し、複雑な空中環境での long-horizon trajectory planning を強化することを狙う。 - 地上ベースの VLN で広く使われる Vision-language models (VLMs) を空中 VLN に応用するもの。 - データ取得が困難で長期的な軌道計画が要求される空中環境特有の課題に対処する。

2. 先行研究と比べてどこがすごい?

- 先行研究は主に地上ベースの VLN で VLMs を活用しており、空中 VLN は屋外環境の複雑さ・データ取得の困難さ・long-horizon trajectory planning の要求から新たな難しさがあると位置づける。 - 提案手法は限られたデータ制約下でも言語誘導飛行を実行できる点を特徴とする。 - 複雑な空中環境での long-horizon trajectory planning 能力を高める点が従来と異なる。 - 具体的な先行研究名や比較対象は要旨からは不明。

3. 技術・手法の肝は?

- 強化学習フレームワークを再構成し、UAV ナビゲーションタスク向けに VLM を最適化する。 - 限られた訓練データの下で、rule-based policies を用いて VLM を効率的に fine-tune する。 - long-horizon planner を導入し、value-based rewards を通じて正確な UAV 行動を動的に生成して軌道を合成する。 - データ効率の良い open-world aerial VLN を実現する構成が肝。

4. どうやって有効だと検証した?

- TravelUAV benchmark 上で十分なナビゲーション実験を実施。 - 多様な reward settings にわたり dataset scaling を行って評価。 - ベースライン手法に対し、Success Rate で最大 4.34%、Oracle Success Rate で 6.19%、Success weighted by Path Length で 4.07% の一貫した性能向上を確認。 - 複雑な空中環境での long-horizon UAV navigation に対する実装有効性を示した。

5. 議論はある?

- 限られたデータ制約下での VLM の fine-tune と long-horizon planner の組み合わせが有効であることを実験結果から主張。 - 多様な reward settings と dataset scaling に対する性能を議論。 - 具体的な限界、失敗事例、計算コスト、実機展開上の課題については要旨からは不明。

6. 次に読むべき論文は?

- 要旨で参照・比較されている具体的な研究名は不明。 - 関連手法として、地上ベース VLN における Vision-language models (VLMs) の応用研究、UAV ナビゲーション向け強化学習、long-horizon trajectory planning、value-based rewards を用いる planner 関連の研究を次に読む候補として挙げられる。 - 評価基盤である TravelUAV benchmark の原論文も参照候補。

※ 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: Peican Lin, Gan Sun, Chenxi Liu, Fazeng Li, Weihong Ren, Yang Cong

分類: cs.RO

原文アブストラクト

Vision-language models (VLMs) have been widely-applied in ground-based vision-language navigation (VLN). However, the vast complexity of outdoor aerial environments compounds data acquisition challenges and imposes long-horizon trajectory planning requirements on Unmanned Aerial Vehicles (UAVs), introducing novel complexities for aerial VLN. To address these challenges, we propose a data-efficient Open-world aerial Vision-Language Navigation (i.e., OpenVLN) framework, which could execute language-guided flight with limited data constraints and enhance long-horizon trajectory planning capabilities in complex aerial environments. Specifically, we reconfigure a reinforcement learning framework to optimize the VLM for UAV navigation tasks, which can efficiently fine-tune VLM by using rule-based policies under limited training data. Concurrently, we introduce a long-horizon planner for trajectory synthesis that dynamically generates precise UAV actions via value-based rewards. To the end, we conduct sufficient navigation experiments on the TravelUAV benchmark with dataset scaling across diverse reward settings. Our method demonstrates consistent performance gains of up to 4.34% in Success Rate, 6.19% in Oracle Success Rate, and 4.07% in Success weighted by Path Length over baseline methods, validating its deployment efficacy for long-horizon UAV navigation in complex aerial 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. 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

OZ GAMING(GPU搭載BTOゲーミングPC)

OZ GAMING(GPU搭載BTOゲーミングPC)の公式広告バナーOZ GAMINGで完成品PCを見る ↗
PR本紙発行元 EmplifAI