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:2512.21887

3D空間における長期的視覚生成とナビゲーションのための航空世界モデル

Aerial World Model for Long-horizon Visual Generation and Navigation in 3D Space

シェア:XThreadsFacebookLINEはてブBluesky

UAVのナビゲーション向けに、過去のフレームと行動から将来の視覚観測を予測する世界モデルANWMを提案し、候補軌道を意味的妥当性で評価することで大規模3D環境での自律飛行性能を向上させた。

詳しい要約

1. どんなもの?

- UAVのためのworld model「ANWM」を提案する研究 - 過去のフレームとactionを条件に将来の視覚観測を予測するaerial navigation world model - 予測に基づき候補trajectoryをsemantic plausibilityとnavigational utilityでランク付けし、自律ナビゲーションに用いる - 4-DoF UAV trajectoryで学習

2. 先行研究と比べてどこがすごい?

- 既存のnavigation policyはobstacle avoidanceやtrajectory smoothnessなど低レベル目的に最適化され、高レベルsemanticsをplanningに組み込めない - ANWMはworld modelによる視覚予測を通じてsemanticな妥当性をplanningに反映 - 既存world modelと比べ長距離visual forecastingで大幅に優れると報告 - 大規模環境でのUAV navigation成功率も改善

3. 技術・手法の肝は?

- 過去フレームとactionから将来のegocentric観測を予測するworld model - 物理に着想を得たFuture Frame Projection (FFP)モジュールを導入 - FFPは過去フレームを将来視点へ投影し、粗いgeometric priorを与える - これにより長距離visual generationの表現不確実性を緩和し、3D trajectoryとegocentric observationの対応を捉える - 予測結果で候補trajectoryをランク付け

4. どうやって有効だと検証した?

- 長距離visual forecastingで既存world modelと比較し大幅な性能向上を報告 - 大規模環境におけるUAV navigation成功率の改善を実験的に示す - 具体的なデータセット名・評価指標・baseline名は要旨からは不明

5. 議論はある?

- 長距離visual generationにおける表現不確実性への対処がFFPの動機 - 低レベル目的中心の既存policyに対しsemanticsをplanningへ導入する点が議論の焦点 - 限界・失敗事例・計算コストなどの詳細は要旨からは不明

6. 次に読むべき論文は?

- 比較対象である既存world model(具体的名称は要旨からは不明) - 低レベル目的で最適化された既存UAV navigation policy - 関連手法としてworld modelベースplanning、visual foresight、model-based reinforcement learningの代表的研究

※ 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: Weichen Zhang, Peizhi Tang, Xin Zeng, Fanhang Man, Shiquan Yu, Zichao Dai, Baining Zhao, Hongjin Chen, Yu Shang, Wei Wu, Chen Gao, Xinlei Chen, Xin Wang, Yong Li, Wenwu Zhu

分類: cs.RO, cs.AI

原文アブストラクト

Unmanned aerial vehicles (UAVs) have emerged as powerful embodied agents. One of the core abilities is autonomous navigation in large-scale three-dimensional environments. Existing navigation policies, however, are typically optimized for low-level objectives such as obstacle avoidance and trajectory smoothness, lacking the ability to incorporate high-level semantics into planning. To bridge this gap, we propose ANWM, an aerial navigation world model that predicts future visual observations conditioned on past frames and actions, thereby enabling agents to rank candidate trajectories by their semantic plausibility and navigational utility. ANWM is trained on 4-DoF UAV trajectories and introduces a physics-inspired module: Future Frame Projection (FFP), which projects past frames into future viewpoints to provide coarse geometric priors. This module mitigates representational uncertainty in long-distance visual generation and captures the mapping between 3D trajectories and egocentric observations. Empirical results demonstrate that ANWM significantly outperforms existing world models in long-distance visual forecasting and improves UAV navigation success rates in large-scale 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

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