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:2603.01813

SSMG-Nav: セマンティックスケルトンメモリグラフによる生涯物体ナビゲーションの強化

SSMG-Nav: Enhancing Lifelong Object Navigation with Semantic Skeleton Memory Graph

シェア:XThreadsFacebookLINEはてブBluesky

過去の観測をトポロジカルなキーポイントで整理した永続メモリグラフを構築し、VLMと長期計画を組み合わせて物体探索の効率を高めるナビゲーションフレームワークを提案した。

詳しい要約

1. どんなもの?

- 未知環境で人間指示から見えない目標へ移動する service robots 向けの object navigation フレームワーク SSMG-Nav を提案。 - Semantic Skeleton Memory Graph (SSMG) を中核とし、過去の観測を空間的に整合した永続メモリに統合。 - トポロジカルな keypoints(junctions, room centers など)をアンカーとし、近接 entity を subgraph にクラスタリング。 - 画像・物体・テキストの multimodal targets に対応するため vision-language model (VLM) を統合。 - lifelong 設定と標準 ObjectNav ベンチマークでの評価を想定。

2. 先行研究と比べてどこがすごい?

- 多くの既存手法は再利用可能で永続的なメモリを十分活用せず、lifelong 設定での性能を制約。 - 単一モダリティ入力に限定される手法が多い。 - 近視眼的な greedy ポリシーにより非効率な back-and-forth maneuvers (BFMs) を誘発。 - これに対し SSMG-Nav は永続メモリ、multimodal 対応、長期的計画を統合し、成功率と経路効率を改善。

3. 技術・手法の肝は?

- Semantic Skeleton Memory Graph (SSMG) で過去観測を空間整合・永続メモリ化。 - トポロジカル keypoints(junctions, room centers 等)をアンカーに使用。 - 近接 entity を subgraph にクラスタリングし、entity-level と space-level の意味を統合して候補目的地を圧縮。 - 各 subgraph に対しメモリから合成した multimodal prompt で VLM に目的地の target belief を推論させる。 - long-horizon planner が belief と traversability costs をトレードオフし、期待経路長を最小化する訪問順序を生成して backtracking を削減。

4. どうやって有効だと検証した?

- 挑戦的な lifelong ベンチマークと標準 ObjectNav ベンチマークで広範な実験を実施。 - 強い baselines と比較し、より高い成功率と経路効率を達成。 - これにより SSMG-Nav の有効性を検証。

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、VLM の誤推論への対処などは記述されていない。

6. 次に読むべき論文は?

- 要旨で参照・比較されている具体的な先行研究名は不明。 - 関連手法として lifelong object navigation、ObjectNav、vision-language model (VLM) を用いた navigation、topological memory graph ベースの navigation の定番研究を挙げる。

※ 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: Haochen Niu, Lantao Zhang, Xingwu Ji, Rendong Ying, Peilin Liu, Fei Wen

分類: cs.RO

原文アブストラクト

Navigating to out-of-sight targets from human instructions in unfamiliar environments is a core capability for service robots. Despite substantial progress, most approaches underutilize reusable, persistent memory, constraining performance in lifelong settings. Many are additionally limited to single-modality inputs and employ myopic greedy policies, which often induce inefficient back-and-forth maneuvers (BFMs). To address such limitations, we introduce SSMG-Nav, a framework for object navigation built on a \textit{Semantic Skeleton Memory Graph} (SSMG) that consolidates past observations into a spatially aligned, persistent memory anchored by topological keypoints (e.g., junctions, room centers). SSMG clusters nearby entities into subgraphs, unifying entity- and space-level semantics to yield a compact set of candidate destinations. To support multimodal targets (images, objects, and text), we integrate a vision-language model (VLM). For each subgraph, a multimodal prompt synthesized from memory guides the VLM to infer a target belief over destinations. A long-horizon planner then trades off this belief against traversability costs to produce a visit sequence that minimizes expected path length, thereby reducing backtracking. Extensive experiments on challenging lifelong benchmarks and standard ObjectNav benchmarks demonstrate that, compared to strong baselines, our method achieves higher success rates and greater path efficiency, validating the effectiveness of SSMG-Nav.

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