FOM-Nav: フロンティア物体マップによる物体目標ナビゲーション
FOM-Nav: Frontier-Object Maps for Object Goal Navigation
未知環境で目標物体を効率的に探索するため、空間フロンティアと物体情報を統合した地図と視覚言語モデルを組み合わせたナビゲーション手法を提案し、実機でも有効性を示した。
詳しい要約
1. どんなもの？
2. 先行研究と比べてどこがすごい？
3. 技術・手法の肝は？
4. どうやって有効だと検証した？
5. 議論はある？
6. 次に読むべき論文は？
※ 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: Thomas Chabal, Shizhe Chen, Jean Ponce, Cordelia Schmid
分類: cs.RO, cs.CV
原文アブストラクト
This paper addresses the Object Goal Navigation problem, where a robot must efficiently find a target object in an unknown environment. Existing implicit memory-based methods struggle with long-term memory retention and planning, while explicit map-based approaches lack rich semantic information. To address these challenges, we propose FOM-Nav, a modular framework that enhances exploration efficiency through Frontier-Object Maps and vision-language models. Our Frontier-Object Maps are built online and jointly encode spatial frontiers and fine-grained object information. Using this representation, a vision-language model performs multimodal scene understanding and high-level goal prediction, which is executed by a low-level planner for efficient trajectory generation. To train FOM-Nav, we automatically construct large-scale navigation datasets from real-world scanned environments. Extensive experiments validate the effectiveness of our model design and constructed dataset. FOM-Nav achieves state-of-the-art performance on the MP3D and HM3D benchmarks, particularly in navigation efficiency metric SPL, and yields promising results on a real robot.
関連論文
- スケマティック誘導による物体目標ナビゲーション物体目標ナビゲーション
- 不確実性に応じて推論を切り替える物体探索ナビゲーション物体目標ナビゲーション
- F2A-ObjectNav: 物体目標ナビゲーションのための適応型エージェントアーキテクチャ物体目標ナビゲーション
- EfficientNav: ナビゲーションマップのキャッシュと検索によるオンデバイス物体目標ナビゲーション物体目標ナビゲーション
- 物体目標ナビゲーションのための強化学習手法で重要な要素は何か？実証研究と統合フレームワーク物体目標ナビゲーション
- LLMの事前知識をフローモデルに蒸留し物体目標ナビゲーションの想像力を汎化物体目標ナビゲーション
