TP-MDDN: タスク優先度付きマルチ要求駆動ナビゲーションと自律的意思決定

- 本研究は、実世界の複数ニーズと個人の選好を反映した新しい embodied AI ベンチマーク **TP-MDDN**（Task-Preferenced Multi-Demand-Driven Navigation）を提案する。 - 従来の Demand-Driven Navigation (DDN) は一度に1つのニーズしか扱えず、複数ニーズや選好を伴う長期的タスクを扱えない。 - TP-MDDN は明示的なタスク選好を持つ複数サブ要求を含む long-horizon navigation を対象とする。 - 併せて、TP-MDDN を解くための自律意思決定システム **AWMSystem** を提案する。 - 構成モジュール: BreakLLM（指示分解）、LocateLLM（目標選択）、StatusMLLM（タスク監視）。 - 空間記憶 **MASMap**、**Dual-Tempo** 行動生成、**Adaptive Error Corrector** を統合する。

- 先行の Demand-Driven Navigation (DDN) は単一ニーズのみを扱い、実世界の複数ニーズや個人選好の複雑さを反映していない。 - 本研究は TP-MDDN という新ベンチマークを導入し、複数サブ要求と明示的タスク選好を伴う long-horizon navigation を定式化した点が新しい。 - 提案 AWMSystem は、指示分解・目標選択・タスク監視を LLM/MLLM で分担し、3D point cloud と 2D semantic mapping を組み合わせた MASMap、zero-shot planning と policy-based fine control を統合する Dual-Tempo 行動生成、リアルタイム失敗対応の Adaptive Error Corrector を備える。 - 実験では perception accuracy と navigation robustness の両面で state-of-the-art baselines を上回ったと報告されている。

- **AWMSystem** は3モジュールで構成される。 - **BreakLLM**: 指示分解を担当。 - **LocateLLM**: 目標選択を担当。 - **StatusMLLM**: タスク監視を担当。 - 空間記憶 **MASMap**: 3D point cloud accumulation と 2D semantic mapping を組み合わせ、正確かつ効率的な環境理解を実現する。 - **Dual-Tempo action generation**: zero-shot planning と policy-based fine control を統合する行動生成フレームワーク。 - **Adaptive Error Corrector**: 失敗ケースをリアルタイムに処理する補正機構。 - 各モジュールの具体的なモデル構造・学習手順・パラメータは要旨からは不明。

- 実験により、提案手法が perception accuracy と navigation robustness の両方で state-of-the-art baselines を上回ることが示された。 - ベンチマークとして新規提案の TP-MDDN を用いた評価が行われている。 - 比較対象の具体的なベースライン名、評価指標の詳細、実験規模・条件は要旨からは不明。

- 要旨からは不明。 - 想定される論点として、複数ニーズ・選好を扱う TP-MDDN のタスク設計や評価妥当性、LLM/MLLM モジュール間の連携やエラー伝播、MASMap のスケーラビリティ、Dual-Tempo と Adaptive Error Corrector の汎化性などが考えられるが、本文で議論されているかは要旨からは判断できない。

- 要旨で直接参照・比較されている研究は明示されていない。 - 関連手法として、先行の **Demand-Driven Navigation (DDN)**、および提案システムが用いる **LLM**・**MLLM** ベースの指示分解・目標選択・タスク監視、**3D point cloud** と **2D semantic mapping** を組み合わせた空間記憶、**zero-shot planning** と **policy-based fine control** の統合に関する研究を次に読むべき候補として挙げる。 - 具体的な論文名は要旨からは不明。