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:2603.10682

OnFly: 機上ゼロショット空中視覚言語ナビゲーションの安全性と効率性の向上

OnFly: Onboard Zero-Shot Aerial Vision-Language Navigation toward Safety and Efficiency

シェア:XThreadsFacebookLINEはてブBluesky

UAVが自然言語指示に従って3D環境をナビゲートするゼロショットAVLNのための、完全機上・リアルタイムフレームワークOnFlyを提案。デュアルエージェントアーキテクチャとセマンティック幾何検証器により、安全性と効率性を両立し、シミュレーションで成功率を大幅に向上させた。

詳しい要約

1. どんなもの?

- 何か - UAVが自然言語指示に従い複雑な3D環境を飛行するAerial vision-language navigation (AVLN) のためのフレームワーク - 完全オンボード・リアルタイム・zero-shotを目指すOnFlyを提案 - 構成 - shared-perception dual-agent architecture - hybrid keyframe-recent-frame memory - semantic-geometric verifier - receding-horizon planner - 目的 - 安全性と効率の両立、長期的進捗監視の信頼性向上

2. 先行研究と比べてどこがすごい?

- 先行研究の課題 - 既存zero-shot AVLNは単一ストリームVLM意思決定が不安定 - 長期的進捗監視が信頼できない - 安全性と効率のトレードオフ - 改善点 - 最強のstate-of-the-art baselineと比較し、シミュレーションでタスク成功率を26.4%から67.8%へ向上 - 完全オンボード実機飛行でリアルタイム展開の実現可能性を検証

3. 技術・手法の肝は?

- 中核 - shared-perception dual-agent architectureで高頻度のtarget generationと低頻度のprogress monitoringを分離 - hybrid keyframe-recent-frame memoryでグローバル軌跡文脈を保持しつつKV-cache prefix stabilityを維持 - terminationとrecovery signalsによる長期的監視 - semantic-geometric verifierがVLM featuresとdepth cuesを用いてVLM予測targetを指示整合性と幾何安全性の観点で補正 - receding-horizon plannerが幾何安全制約下で衝突回避軌道を最適化

4. どうやって有効だと検証した?

- シミュレーション - 最強のstate-of-the-art baselineと比較し成功率26.4%→67.8% - 実機 - 完全オンボード実世界飛行でリアルタイム展開の実現可能性を検証 - 詳細な評価指標やデータセットは要旨からは不明

5. 議論はある?

- 要旨からは不明 - 限界、失敗事例、計算負荷、一般化性に関する議論は記載なし

6. 次に読むべき論文は?

- 要旨で参照/比較されている研究 - 最強のstate-of-the-art baseline(具体名は要旨からは不明) - 関連手法 - zero-shot AVLN - Vision-Language Model (VLM) を用いたナビゲーション - receding-horizon planning - semantic-geometric verification

※ 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: Guiyong Zheng, Yueting Ban, Mingjie Zhang, Juepeng Zheng, Boyu Zhou

分類: cs.RO

原文アブストラクト

Aerial vision-language navigation (AVLN) enables UAVs to follow natural-language instructions in complex 3D environments. However, existing zero-shot AVLN methods often suffer from unstable single-stream Vision-Language Model decision-making, unreliable long-horizon progress monitoring, and a trade-off between safety and efficiency. We propose OnFly, a fully onboard, real-time framework for zero-shot AVLN. OnFly adopts a shared-perception dual-agent architecture that decouples high-frequency target generation from low-frequency progress monitoring, thereby stabilizing decision-making. It further employs a hybrid keyframe-recent-frame memory to preserve global trajectory context while maintaining KV-cache prefix stability, enabling reliable long-horizon monitoring with termination and recovery signals. In addition, a semantic-geometric verifier refines VLM-predicted targets for instruction consistency and geometric safety using VLM features and depth cues, while a receding-horizon planner generates optimized collision-free trajectories under geometric safety constraints, improving both safety and efficiency. In simulation, OnFly improves task success from 26.4% to 67.8%, compared with the strongest state-of-the-art baseline, while fully onboard real-world flights validate its feasibility for real-time deployment. The code will be released at https://github.com/Robotics-STAR-Lab/OnFly

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

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