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:2603.02004

CHOP: 反実仮想的な人間の嗜好ラベルによる視運動ナビゲーションポリシーの障害物回避改善

CHOP: Counterfactual Human Preference Labels Improve Obstacle Avoidance in Visuomotor Navigation Policies

シェア:XThreadsFacebookLINEはてブBluesky

視運動ナビゲーションポリシーを、反実仮想的な軌道に対する人間の嗜好ラベルで微調整し、安全性と障害物回避を人間の直感に合わせる手法を提案した。

詳しい要約

1. どんなもの?

本論文は、視覚運動ナビゲーション政策(visuomotor navigation policies)の安全な障害物回避を改善するため、反事実的人間選好ラベル(Counterfactual Human Preference Labels)を活用するCHOPを提案する。各視覚観測に対し、ロボットが実行した軌道を、同一条件下で取り得た代替軌道(反事実的ナビゲーション軌道)の集合に含め、人間注釈者が衝突リスクや経路効率などの予測結果に基づきペアワイズ選好ラベルを付与する。集約された選好を用いて視覚運動ナビゲーション政策を微調整し、人間の安全・障害物回避の直感に整合させる。

2. 先行研究と比べてどこがすごい?

従来の視覚運動ナビゲーション政策は知覚-行動結合に優れるが、複雑な実世界環境での安全なナビゲーションや動的障害物回避に苦戦する。CHOPは反事実的選好監督により、大規模視覚運動政策と人間整合的で安全意識の高い身体性ナビゲーションのギャップを埋める点が新しい。SCANDデータセット上の実験で、複数の最先端モデルにおいて事前学習ベースラインと比較し、near-collisionイベントを49.7%削減、人間選好軌道からの逸脱を45.0%減少、平均障害物クリアランスを19.8%増加させた。

3. 技術・手法の肝は?

CHOPの肝は、各視覚観測に対してロボットの実行軌道を反事実的ナビゲーション軌道の集合に含め、人間注釈者が衝突リスクや経路効率などの予測結果に基づきペアワイズ選好ラベルを提供する点。集約された選好を用いて視覚運動ナビゲーション政策を微調整し、人間の選好に行動を整合させる。

4. どうやって有効だと検証した?

SCANDデータセット上で、CHOPで微調整した視覚運動ナビゲーション政策が、複数の最先端モデルにおいて事前学習ベースラインと比較し、near-collisionイベント49.7%削減、人間選好軌道からの逸脱45.0%減少、平均障害物クリアランス19.8%増加を示した。さらにGhost Robotics Vision60四脚ロボットでの実世界展開に転移し、平均目標成功率24.4%向上、最小障害物クリアランス6.8%増加、衝突・介入イベント45.7%削減、正規化経路完了38.6%向上をナビゲーションシナリオ全体で達成した。

5. 議論はある?

本結果は、反事実的選好監督が大規模視覚運動政策と人間整合的で安全意識の高い身体性ナビゲーションのギャップを埋める価値を強調する。ただし、要旨からは限界や失敗事例、注釈コスト、一般化可能性に関する議論は不明。

6. 次に読むべき論文は?

要旨で参照・比較されている研究として、SCANDデータセット、Ghost Robotics Vision60四脚ロボット、複数の最先端視覚運動ナビゲーション政策モデルが挙げられる。関連手法として、人間選好を用いた強化学習(RLHF)や反事実的推論に基づくナビゲーション研究が次に読むべき候補。

※ 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: Gershom Seneviratne, Jianyu An, Vaibhav Shende, Sahire Ellahy, Yaxita Amin, Kondapi Manasanjani, Samarth Chopra, Jonathan Deepak Kannan, Dinesh Manocha

分類: cs.RO

原文アブストラクト

Visuomotor navigation policies have shown strong perception-action coupling for embodied agents, yet they often struggle with safe navigation and dynamic obstacle avoidance in complex real-world environments. We introduce CHOP, a novel approach that leverages Counterfactual Human Preference Labels to align visuomotor navigation policies towards human intuition of safety and obstacle avoidance in navigation. In CHOP, for each visual observation, the robot's executed trajectory is included among a set of counterfactual navigation trajectories: alternative trajectories the robot could have followed under identical conditions. Human annotators provide pairwise preference labels over these trajectories based on anticipated outcomes such as collision risk and path efficiency. These aggregated preferences are then used to fine-tune visuomotor navigation policies, aligning their behavior with human preferences in navigation. Experiments on the SCAND dataset show that visuomotor navigation policies fine-tuned with CHOP reduce near-collision events by 49.7%, decrease deviation from human-preferred trajectories by 45.0%, and increase average obstacle clearance by 19.8% on average across multiple state-of-the-art models, compared to their pretrained baselines. These improvements transfer to real-world deployments on a Ghost Robotics Vision60 quadruped, where CHOP-aligned policies improve average goal success rates by 24.4%, increase minimum obstacle clearance by 6.8%, reduce collision and intervention events by 45.7%, and improve normalized path completion by 38.6% on average across navigation scenarios, compared to their pretrained baselines. Our results highlight the value of counterfactual preference supervision in bridging the gap between large-scale visuomotor policies and human-aligned, safety-aware embodied navigation.

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