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:2511.06840

PanoNav: パノラマシーン解析と動的メモリによる地図なしゼロショット物体ナビゲーション

PanoNav: Mapless Zero-Shot Object Navigation with Panoramic Scene Parsing and Dynamic Memory

シェア:XThreadsFacebookLINEはてブBluesky

RGB画像のみを用いて、パノラマシーン解析と動的メモリで履歴を活用し、未知環境でのゼロショット物体ナビゲーションを実現する地図不要のフレームワークを提案。

詳しい要約

1. どんなもの?

- 家庭用ロボット向けの Zero-shot Object Navigation (ZSON) フレームワーク「PanoNav」 - 完全に RGB のみ、mapless(地図なし)で動作 - 未見環境で対象物体へ到達することを目指す - 2つの主要構成要素 - Panoramic Scene Parsing モジュール - Memory-guided Decision-Making 機構(Dynamic Bounded Memory Queue 付き)

2. 先行研究と比べてどこがすごい?

- 従来の metric map や LLM を用いる手法との比較 - depth sensor や事前構築地図に依存し、MLLM の空間推論能力を制限していた - 既存の mapless ZSON 手法との比較 - 履歴文脈を欠き近視眼的判断で local deadlock に陥りやすい - PanoNav の優位点 - RGB のみ・mapless で動作 - 全周パノラマ入力から MLLM の空間解析能力を引き出す - 履歴を活用し local deadlock を回避

3. 技術・手法の肝は?

- Panoramic Scene Parsing モジュール - 全周 RGB 入力から MLLM の空間解析ポテンシャルを引き出す - Memory-guided Decision-Making 機構 - Dynamic Bounded Memory Queue により探索履歴を保持 - 履歴文脈を意思決定に組み込み local deadlock を回避 - 全体として RGB のみ・mapless の ZSON パイプライン

4. どうやって有効だと検証した?

- 公開ナビゲーションベンチマーク上で実験 - 代表的なベースラインと比較 - SR と SPL の両指標で大幅に上回ることを示した - 具体的なベンチマーク名・数値は要旨からは不明

5. 議論はある?

- 要旨からは不明 - 限界や失敗ケース、計算コスト、MLLM 依存性などの議論は明記されていない - 示唆される論点 - mapless・RGB のみでの空間推論の信頼性 - Dynamic Bounded Memory Queue のサイズ設計の影響

6. 次に読むべき論文は?

- 要旨で参照/比較されている研究 - metric map と LLM を用いる ZSON 手法 - mapless ZSON 手法 - 関連する定番要素 - Multimodal Large Language Models (MLLMs) - Zero-shot Object Navigation (ZSON) - SR / SPL を用いるナビゲーションベンチマーク

※ 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: Qunchao Jin, Yilin Wu, Changhao Chen

分類: cs.CV, cs.RO

原文アブストラクト

Zero-shot object navigation (ZSON) in unseen environments remains a challenging problem for household robots, requiring strong perceptual understanding and decision-making capabilities. While recent methods leverage metric maps and Large Language Models (LLMs), they often depend on depth sensors or prebuilt maps, limiting the spatial reasoning ability of Multimodal Large Language Models (MLLMs). Mapless ZSON approaches have emerged to address this, but they typically make short-sighted decisions, leading to local deadlocks due to a lack of historical context. We propose PanoNav, a fully RGB-only, mapless ZSON framework that integrates a Panoramic Scene Parsing module to unlock the spatial parsing potential of MLLMs from panoramic RGB inputs, and a Memory-guided Decision-Making mechanism enhanced by a Dynamic Bounded Memory Queue to incorporate exploration history and avoid local deadlocks. Experiments on the public navigation benchmark show that PanoNav significantly outperforms representative baselines in both SR and SPL metrics.

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

MINISFORUM(ミニPC)

MINISFORUM(ミニPC)の公式広告バナーMINISFORUM公式ストアを見る ↗
PR本紙発行元 EmplifAI