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:2601.15614

AION:二重ポリシー強化学習による屋内飛行物体ゴールナビゲーション

AION: Aerial Indoor Object-Goal Navigation Using Dual-Policy Reinforcement Learning

シェア:XThreadsFacebookLINEはてブBluesky

屋内でドローンが未知環境を探索し、指定された物体へ自律的に到達するための、探索と到達を別々のポリシーに分けた強化学習フレームワークを提案した論文。

詳しい要約

1. どんなもの?

- 視覚ベースのAerial Indoor Object-Goal Navigation (ObjectNav) のためのAIONを提案。 - 外部のlocalizationやglobal mapに依存せず、未知環境でsemantic labelで指定された物体を探索・到達する。 - end-to-endのdual-policy reinforcement learning (RL) フレームワークで、探索と目標到達を2つの専門policyに分離。 - AI2-THOR benchmarkとIsaacSimで評価。

2. 先行研究と比べてどこがすごい?

- 従来のObjectNavは主に2D locomotionのzero-shot設定で研究されてきた。 - 3D locomotion能力を持つaerial platformへの拡張は未探索だった。 - Aerial robotは機動性と探索効率に優れるが、spatial perception、dynamic control、safety assuranceの新たな課題がある。 - AIONはこれら課題に対処し、探索・ナビゲーション効率・安全性の包括的指標で優れた性能を示す。

3. 技術・手法の肝は?

- end-to-endのdual-policy RLフレームワーク。 - 探索と目標到達の振る舞いを2つの専門policyに分離。 - 視覚ベースで外部localizationやglobal mapを必要としない。 - 具体的なネットワーク構造や学習アルゴリズムの詳細は要旨からは不明。

4. どうやって有効だと検証した?

- AI2-THOR benchmarkで評価。 - IsaacSimで高忠実度drone modelを用いてリアルタイム性能を評価。 - 探索、ナビゲーション効率、安全性に関する包括的評価指標で優れた性能を達成。 - 具体的なベースラインや統計的検証の詳細は要旨からは不明。

5. 議論はある?

- 要旨からは不明。 - 限界や失敗事例、計算コスト、sim-to-realギャップなどについての議論は記載されていない。

6. 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zero-shot ObjectNav、2D locomotionのObjectNav、AI2-THOR benchmark、IsaacSimが挙げられる。 - 同分野の定番としてObjectNav、Reinforcement Learning、Sim-to-Real Transferなどが考えられる。

※ 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: Zichen Yan, Yuchen Hou, Shenao Wang, Yichao Gao, Rui Huang, Lin Zhao

分類: cs.RO

原文アブストラクト

Object-Goal Navigation (ObjectNav) requires an agent to autonomously explore an unknown environment and navigate toward target objects specified by a semantic label. While prior work has primarily studied zero-shot ObjectNav under 2D locomotion, extending it to aerial platforms with 3D locomotion capability remains underexplored. Aerial robots offer superior maneuverability and search efficiency, but also introduce new challenges in spatial perception, dynamic control, and safety assurance. In this paper, we propose AION for vision-based aerial ObjectNav without relying on external localization or global maps. AION is an end-to-end dual-policy reinforcement learning (RL) framework that decouples exploration and goal-reaching behaviors into two specialized policies. We evaluate AION on the AI2-THOR benchmark and further assess its real-time performance in IsaacSim using high-fidelity drone models. Experimental results show that AION achieves superior performance across comprehensive evaluation metrics in exploration, navigation efficiency, and safety. The project is available at https://github.com/Zichen-Yan/AION.

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

OZ GAMING(GPU搭載BTOゲーミングPC)

OZ GAMING(GPU搭載BTOゲーミングPC)の公式広告バナーOZ GAMINGで完成品PCを見る ↗
PR本紙発行元 EmplifAI