日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

目標追跡arXiv:2511.11931

MATT-Diff: 拡散ポリシーによるマルチモーダル能動的目標追跡

MATT-Diff: Multimodal Active Target Tracking by Diffusion Policy

シェア:XThreadsFacebookLINEはてブBluesky

拡散モデルに基づく制御ポリシーで、目標数や状態が未知の環境でも探索・追跡・再捕捉を切り替えながら移動エージェントが複数目標を追跡できる手法を提案。

詳しい要約

1. どんなもの?

- 本論文は、移動エージェントによる能動的なマルチターゲット追跡のための制御ポリシー「MATT-Diff」を提案する。 - ターゲットの数・状態・ダイナミクスに関する事前知識なしに、探索・追跡・再捕捉を含む複数の行動モードを実現する。 - 拡散モデルに基づくポリシーであり、マルチモーダルな行動を学習する。

2. 先行研究と比べてどこがすごい?

- 従来の学習ベースの追跡手法と比較して、未知環境での追跡性能が優れている。 - 複数の専門家プランナーから生成したデモンストレーションデータセットを用いることで、マルチモーダルな行動を獲得できる点が新しい。 - ターゲットの不確実性を考慮した探索と活用のバランスを学習的に実現する点が特徴。

3. 技術・手法の肝は?

- 視覚トランスフォーマー(Vision Transformer)によるエゴセントリックマップのトークン化と、ガウス密度で表現された可変ターゲット推定を統合するアテンション機構を採用。 - 拡散モデルとして訓練され、ノイズ除去プロセスを通じてマルチモーダルな行動シーケンスを生成する。 - デモンストレーションデータセットは、フロンティアベース探索、不確実性ベースのハイブリッドプランナー(フロンティア探索とRRT*追跡の切替)、時間ベースのハイブリッドプランナー(探索と再捕捉の切替)の3つの専門家プランナーから生成。

4. どうやって有効だと検証した?

- 新規環境での評価実験により、他の学習ベースのベースラインと比較して優れた追跡性能を示した。 - 複数の専門家プランナーに由来するマルチモーダルな行動が実現されていることを確認した。 - 実装はGitHubで公開されている。

5. 議論はある?

- 要旨からは不明。

6. 次に読むべき論文は?

- 関連手法として、フロンティアベース探索、RRT*、拡散ポリシー(Diffusion Policy)、Vision Transformer、アテンション機構が挙げられる。 - 比較対象となる学習ベースのベースライン(具体的名称は要旨からは不明)や、マルチターゲット追跡の先行研究を参照すべき。

※ 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: Saida Liu, Nikolay Atanasov, Shumon Koga

分類: cs.RO

原文アブストラクト

This paper proposes MATT-Diff: Multimodal Active Target Tracking by Diffusion Policy, a control policy for active multi-target tracking using a mobile agent. The policy enables multiple behavior modes for the agent, including exploration, tracking, and target reacquisition, without prior knowledge of the target numbers, states, or dynamics. Effective target tracking demands balancing exploration for undetected or lost targets with exploitation, i.e., uncertainty reduction, of detected but uncertain ones. We generate a demonstration dataset from three expert planners including frontier-based exploration, an uncertainty-based hybrid planner switching between frontier-based exploration and RRT* tracking, and a time-based hybrid planner switching between exploration and target reacquisition based on target detection time. Our control policy utilizes a vision transformer for egocentric map tokenization and an attention mechanism to integrate variable target estimates represented by Gaussian densities. Trained as a diffusion model, the policy learns to generate multimodal action sequences through a denoising process. Evaluations demonstrate MATT-Diff's superior tracking performance against other learning-based baselines in novel environments, as well as its multimodal behavior sourced from the multiple expert planners. Our implementation is available at https://github.com/CINAPSLab/MATT-Diff.

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

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