日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

視覚ナビゲーションarXiv:2603.03953

RVN-Bench: 衝突を考慮した屋内視覚ナビゲーションのベンチマーク

RVN-Bench: A Benchmark for Reactive Visual Navigation

シェア:XThreadsFacebookLINEはてブBluesky

屋内移動ロボット向けに、衝突回避を重視した視覚ナビゲーションのベンチマークRVN-Benchを提案し、シミュレーションと実機での評価を行った。

詳しい要約

1. どんなもの?

- 屋内移動ロボット向けの衝突を考慮した視覚ナビゲーション用ベンチマーク「RVN-Bench」を提案。 - エージェントは事前地図なしで視覚観測のみを用い、未知環境で逐次ゴールに到達しつつ衝突回避を行う。 - Habitat 2.0シミュレータと高忠実度HM3Dシーンを基盤とし、大規模で多様な屋内環境を提供。 - 衝突を考慮したナビゲーションタスクと評価指標、標準化された学習・ベンチマーク用ツールを定義。 - オンライン強化学習環境、軌道画像データセット生成器、衝突イベントを含む負例軌道画像データセット生成ツールを提供し、オンライン・オフライン学習の両方を支援。

2. 先行研究と比べてどこがすごい?

- 既存ベンチマークは衝突を無視するか屋外シナリオ向けで、屋内視覚ナビゲーションに不適切。 - RVN-Benchは衝突を明示的に考慮した屋内向けベンチマークで、このギャップを埋める。 - Habitat 2.0とHM3Dにより大規模で多様な屋内環境を実現。 - オンライン・オフライン両学習を支援するツール群を提供する点が特徴。

3. 技術・手法の肝は?

- Habitat 2.0シミュレータ上に構築し、HM3Dの高忠実度シーンを利用。 - 事前地図なし・視覚観測のみで逐次ゴールへ向かう衝突考慮型ナビゲーションタスクを定義。 - 評価指標を設計し、標準化された学習・ベンチマーク用ツールを提供。 - オンライン強化学習環境、軌道画像データセット生成器、衝突イベントを捉える負例軌道画像データセット生成ツールを用意。

4. どうやって有効だと検証した?

- RVN-Benchで学習したポリシーが未見のシミュレーション環境へ効果的に汎化することを評価で示す。 - Jackal UGVを用いた初期の物理実験で、sim-to-real転移の有望な結果を示す。 - 詳細な評価プロトコルや定量結果は要旨からは不明。

5. 議論はある?

- 屋内視覚ナビゲーションにおける衝突考慮の重要性を指摘。 - 既存ベンチマークの屋外偏重・衝突軽視という限界を議論。 - sim-to-real転移の可能性に言及するが、限界や課題の詳細は要旨からは不明。

6. 次に読むべき論文は?

- Habitat 2.0 - HM3D - Jackal UGV - 既存の視覚ナビゲーションベンチマーク(例:PointNav, ObjectNav, ImageNav) - オンライン強化学習およびオフライン強化学習の関連手法

※ 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: Jaewon Lee, Jaeseok Heo, Gunmin Lee, Howoong Jun, Jeongwoo Oh, Songhwai Oh

分類: cs.RO, cs.AI, cs.CV

原文アブストラクト

Safe visual navigation is critical for indoor mobile robots operating in cluttered environments. Existing benchmarks, however, often neglect collisions or are designed for outdoor scenarios, making them unsuitable for indoor visual navigation. To address this limitation, we introduce the reactive visual navigation benchmark (RVN-Bench), a collision-aware benchmark for indoor mobile robots. In RVN-Bench, an agent must reach sequential goal positions in previously unseen environments using only visual observations and no prior map, while avoiding collisions. Built on the Habitat 2.0 simulator and leveraging high-fidelity HM3D scenes, RVN-Bench provides large-scale, diverse indoor environments, defines a collision-aware navigation task and evaluation metrics, and offers tools for standardized training and benchmarking. RVN-Bench supports both online and offline learning by offering an environment for online reinforcement learning, a trajectory image dataset generator, and tools for producing negative trajectory image datasets that capture collision events. Evaluations demonstrate that policies trained on RVN-Bench generalize effectively across unseen simulated environments. Furthermore, initial physical experiments using a Jackal UGV indicate promising sim-to-real transfer. Code and additional materials are available at: https://sequor-robotics-research.github.io/projects/RVN-Bench/.

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