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:2603.02976

DreamFlow: 条件付きフローマッチングによる潜在空間での局所ナビゲーションの視野拡張

DreamFlow: Local Navigation Beyond Observation via Conditional Flow Matching in the Latent Space

シェア:XThreadsFacebookLINEはてブBluesky

ロボットの局所ナビゲーションにおいて、条件付きフローマッチングを用いて観測範囲外の環境構造を予測し、局所的最小値に陥るのを防ぐ新しいフレームワークを提案した。

詳しい要約

1. どんなもの?

- 混雑環境での局所ナビゲーションは、密な障害物や局所解により失敗しやすい。 - 従来の局所プランナはヒューリスティックに依存し、DRLベースは適応性があるが搭載センサの制限で視野外の構造を認識できない。 - 本論文はDreamFlowを提案する。DRLベースの局所ナビゲーションフレームワークで、conditional flow matching (CFM) により知覚範囲を拡張する。 - CFMベースの予測モジュールは、局所height mapの潜在表現とより広い空間表現の間の確率的マッピングをナビゲーションコンテキスト条件付きで学習する。 - これによりナビゲーションポリシーは未観測の環境特徴を予測し、潜在的な局所解を先回りして回避できる。

2. 先行研究と比べてどこがすごい?

- 従来の局所プランナはヒューリスティックで失敗しやすく、DRLベースは搭載センサの制限で視野外の構造を認識できない。 - DreamFlowはCFMにより知覚範囲を拡張し、未観測環境特徴を予測することでこれらの制限を克服する。 - 実験結果は、潜在予測精度とナビゲーション性能で既存手法を上回ることを示す。 - さらに四足ロボットを用いた実世界の混雑環境でも検証された。

3. 技術・手法の肝は?

- DRLベースの局所ナビゲーションフレームワーク。 - conditional flow matching (CFM) を用いた予測モジュールを導入。 - 局所height mapの潜在表現とより広い空間表現の間の確率的マッピングを、ナビゲーションコンテキスト条件付きで学習。 - これによりナビゲーションポリシーが未観測の環境特徴を予測し、潜在的な局所解を先回りして回避する。

4. どうやって有効だと検証した?

- シミュレーションで潜在予測精度とナビゲーション性能を評価し、既存手法を上回ることを示した。 - 四足ロボットを用いた実世界の混雑環境でも検証した。 - プロジェクトページ: https://dreamflow-icra.github.io

5. 議論はある?

- 要旨からは不明。

6. 次に読むべき論文は?

- 要旨で参照/比較されている研究は明示されていない。 - 関連手法として、conditional flow matching (CFM)、deep reinforcement learning (DRL) ベースのナビゲーション、局所プランナ、height map を用いたナビゲーションが挙げられる。

※ 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: Jiwon Park, Dongkyu Lee, I Made Aswin Nahrendra, Jaeyoung Lim, Hyun Myung

分類: cs.RO

原文アブストラクト

Local navigation in cluttered environments often suffers from dense obstacles and frequent local minima. Conventional local planners rely on heuristics and are prone to failure, while deep reinforcement learning(DRL)based approaches provide adaptability but are constrained by limited onboard sensing. These limitations lead to navigation failures because the robot cannot perceive structures outside its field of view. In this paper, we propose DreamFlow, a DRL-based local navigation framework that extends the robot's perceptual horizon through conditional flow matching(CFM). The proposed CFM based prediction module learns probabilistic mapping between local height map latent representation and broader spatial representation conditioned on navigation context. This enables the navigation policy to predict unobserved environmental features and proactively avoid potential local minima. Experimental results demonstrate that DreamFlow outperforms existing methods in terms of latent prediction accuracy and navigation performance in simulation. The proposed method was further validated in cluttered real world environments with a quadrupedal robot. The project page is available at https://dreamflow-icra.github.io.

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

MINISFORUM(ミニPC)

MINISFORUM(ミニPC)の公式広告バナーMINISFORUM公式ストアを見る ↗
PR本紙発行元 EmplifAI