画像空間での参照軌道位置推定による視覚ナビゲーション

- 視覚ナビゲーションのためのモデル「LoTIS」を提案。 - 参照RGB軌跡をロボットの現在の視界にローカライズし、ロボット非依存の画像空間ガイダンスを提供。 - カメラキャリブレーション、ポーズ、ロボット固有のトレーニングを必要としない。 - 特定のロボットに紐づく行動を予測する代わりに、参照軌跡が現在の視界にどのように現れるかの画像空間座標を予測。 - これにより、ローカルプランニングと容易に統合できるロボット非依存の視覚ガイダンスを実現。 - 多様なエンボディメントに対してゼロショットでガイダンスを提供。

- 従来の手法と比較して、通常の前進ナビゲーションの成功率で20-50パーセントポイント上回る。 - 多様なシミュレーションおよび実環境で94-98%の成功率を達成。 - 後退走行などの挑戦的なタスクでは、ベースラインが失敗する中で5倍以上の改善を達成。 - 知覚と行動を分離し、行動優先を模倣するのではなく軌跡点をローカライズすることを学習することで、視点やカメラの変化に対するロバスト性のためのクロス軌跡トレーニング戦略を可能に。

- 参照RGB軌跡をロボットの現在の視界にローカライズするモデル。 - 画像空間座標を予測し、ロボット非依存の視覚ガイダンスを生成。 - 知覚と行動を分離し、軌跡点のローカライズを学習。 - クロス軌跡トレーニング戦略を採用し、視点やカメラの変化に対するロバスト性を実現。 - ローカルプランニングと統合可能。

- 通常の前進ナビゲーションにおいて、成功率で20-50パーセントポイントの改善を達成。 - 多様なシミュレーションおよび実環境で94-98%の成功率を達成。 - 後退走行などの挑戦的なタスクで、ベースラインと比較して5倍以上の改善を達成。 - スマートフォンのカメラからのビデオが、異なるロボットを軌跡上の任意の点にナビゲートさせることを実証。

- 要旨からは不明。

- 要旨で参照/比較されている研究や関連手法は明記されていない。 - 同分野の定番として、Visual Navigation、Imitation Learning、Trajectory Localization などの一般的な手法が挙げられる。