日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

VLAarXiv:2601.04699

SeqWalker: 階層的計画による逐次視野言語ナビゲーション

SeqWalker: Sequential-Horizon Vision-and-Language Navigation with Hierarchical Planning

シェア:XThreadsFacebookLINEはてブBluesky

長期的な多タスク指示を階層的計画で分割し、視覚観察に基づくサブ指示選択と探索検証で軌道誤りを修正する視野言語ナビゲーションモデルを提案。

詳しい要約

1. どんなもの?

- どんなもの? - Sequential-Horizon Vision-and-Language Navigation (SH-VLN) という、複数のタスクを順に実行する長期的な言語指示に基づくナビゲーション課題を扱う。 - この課題向けに、階層的計画フレームワークに基づくナビゲーションモデル SeqWalker を提案。 - 高レベルプランナーと低レベルプランナーから構成される。 - 評価用に IVLN データセットを拡張し、新しいベンチマークを構築。

2. 先行研究と比べてどこがすごい?

- 先行研究と比べてどこがすごい? - 既存の vision-and-language navigation モデルは、マルチタスク指示では情報過多により性能が大幅に低下する問題があった。 - SeqWalker は階層的計画によりこの問題に対処し、広範な実験で優位性を示した。 - 具体的な比較対象や数値は要旨からは不明。

3. 技術・手法の肝は?

- 技術や手法の肝はどこ? - High-Level Planner: エージェントの現在の視覚観測に基づき、グローバルな指示を文脈に関連するサブ指示に動的に選択し、認知負荷を低減。 - Low-Level Planner: Exploration-Verification 戦略を組み込み、指示の論理構造を利用して軌道誤差を修正。 - 階層的計画フレームワーク全体で SH-VLN に対応。

4. どうやって有効だと検証した?

- どうやって有効だと検証した? - IVLN データセットを拡張し、SH-VLN 性能評価用の新しいベンチマークを構築。 - 広範な実験を実施し、提案手法 SeqWalker の優位性を実証。 - 具体的な実験設定や指標は要旨からは不明。

5. 議論はある?

- 議論はある? - 要旨からは不明。 - 限界や今後の課題についての言及はない。

6. 次に読むべき論文は?

- 次に読むべき論文は? - 要旨で参照/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、Vision-and-Language Navigation (VLN) や Hierarchical Planning の代表的論文が挙げられる。 - データセット IVLN の原論文も参照すべき。

※ 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: Zebin Han, Xudong Wang, Baichen Liu, Qi Lyu, Zhenduo Shang, Jiahua Dong, Lianqing Liu, Zhi Han

分類: cs.RO, cs.AI

原文アブストラクト

Sequential-Horizon Vision-and-Language Navigation (SH-VLN) presents a challenging scenario where agents should sequentially execute multi-task navigation guided by complex, long-horizon language instructions. Current vision-and-language navigation models exhibit significant performance degradation with such multi-task instructions, as information overload impairs the agent's ability to attend to observationally relevant details. To address this problem, we propose SeqWalker, a navigation model built on a hierarchical planning framework. Our SeqWalker features: i) A High-Level Planner that dynamically selects global instructions into contextually relevant sub-instructions based on the agent's current visual observations, thus reducing cognitive load; ii) A Low-Level Planner incorporating an Exploration-Verification strategy that leverages the inherent logical structure of instructions for trajectory error correction. To evaluate SH-VLN performance, we also extend the IVLN dataset and establish a new benchmark. Extensive experiments are performed to demonstrate the superiority of the proposed SeqWalker.

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

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