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:2603.08862

APPLV: 視覚言語行動モデルからの適応的プランナーパラメータ学習

APPLV: Adaptive Planner Parameter Learning from Vision-Language-Action Model

シェア:XThreadsFacebookLINEはてブBluesky

古典的プランナーのパラメータを視覚言語モデルから予測して自動調整し、高制約環境でのナビゲーション性能と汎化性を向上させる手法を提案した。

詳しい要約

1. どんなもの?

- 移動ロボットの自律ナビゲーションにおいて、古典的なプランナのパラメータをVision-Language-Action (VLA) モデルで適応的に学習する手法「APPLV」を提案。 - 従来のVLAモデルは直接行動を出力するが、APPLVは事前学習済みの視覚言語モデルに回帰ヘッドを付け、古典的プランナを設定するパラメータを予測する。 - 教師あり学習と強化学習の2つのファインチューニング戦略を開発。 - シミュレーションのBARNデータセットと実機実験で評価し、ナビゲーション性能と未知環境への汎化で既存手法を上回ることを示した。

2. 先行研究と比べてどこがすごい?

- 古典的ナビゲーションは安全性を保証するが環境固有のパラメータ調整が必要。 - エンドツーエンド学習はパラメータ調整を不要にするが、制約空間での精密制御が困難。 - 最近のロボット学習はパラメータ調整を自動化し古典システムの安全性を維持するが、未知環境への汎化に課題。 - 最近のVLAモデルは基盤モデルのシーン理解を活用するが、ナビゲーションタスクでは精密制御と推論遅延に課題。 - APPLVはこれらの課題に対し、VLAモデルでプランナパラメータを予測することで、ナビゲーション性能と未知環境への汎化で既存手法を上回る。

3. 技術・手法の肝は?

- 事前学習済みの視覚言語モデルに回帰ヘッドを追加し、古典的プランナのパラメータを予測。 - 直接行動を出力するのではなく、プランナパラメータを出力する点が肝。 - 訓練戦略として、収集したナビゲーション軌跡からの教師ありファインチューニングと、ナビゲーション性能をさらに最適化する強化学習ファインチューニングを開発。 - 複数のモーションプランナに対応可能。

4. どうやって有効だと検証した?

- シミュレーションのBenchmark Autonomous Robot Navigation (BARN) データセットと実機ロボット実験で評価。 - 複数のモーションプランナ上で評価を実施。 - 結果、ナビゲーション性能と未知環境への汎化の両方で既存手法を上回ることを示した。

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:古典的ナビゲーション、エンドツーエンド学習、最近のロボット学習、Vision-Language-Action (VLA) モデル。 - 関連手法:BARNデータセット、複数のモーションプランナ。 - 同分野の定番:Adaptive Planner Parameter Learning (APPL) などのパラメータ学習手法。

※ 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: Yuanjie Lu, Beichen Wang, Zhengqi Wu, Yang Li, Xiaomin Lin, Chengzhi Mao, Xuesu Xiao

分類: cs.RO, cs.LG

原文アブストラクト

Autonomous navigation in highly constrained environments remains challenging for mobile robots. Classical navigation approaches offer safety assurances but require environment-specific parameter tuning; end-to-end learning bypasses parameter tuning but struggles with precise control in constrained spaces. To this end, recent robot learning approaches automate parameter tuning while retaining classical systems' safety, yet still face challenges in generalizing to unseen environments. Recently, Vision-Language-Action (VLA) models have shown promise by leveraging foundation models' scene understanding capabilities, but still struggle with precise control and inference latency in navigation tasks. In this paper, we propose Adaptive Planner Parameter Learning from Vision-Language-Action Model (\textsc{applv}). Unlike traditional VLA models that directly output actions, \textsc{applv} leverages pre-trained vision-language models with a regression head to predict planner parameters that configure classical planners. We develop two training strategies: supervised learning fine-tuning from collected navigation trajectories and reinforcement learning fine-tuning to further optimize navigation performance. We evaluate \textsc{applv} across multiple motion planners on the simulated Benchmark Autonomous Robot Navigation (BARN) dataset and in physical robot experiments. Results demonstrate that \textsc{applv} outperforms existing methods in both navigation performance and generalization to unseen environments.

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

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