NavThinker: 社会的ナビゲーションにおける結合予測と計画のための行動条件付きワールドモデル

社会ナビゲーションにおいて、ロボットの行動と人間の動きが相互に影響する coupled prediction-planning 問題に対処する future-aware フレームワーク NavThinker を提案する。 - 行動条件付き world model と on-policy 強化学習を組み合わせる。 - world model は Depth Anything V2 の patch 特徴空間で動作し、将来の scene geometry と human motion を自己回帰予測する。 - multi-head decoder が将来の depth map と human trajectory を生成し、traversability と interaction risk に沿った future-aware state を得る。 - 単一・複数ロボットの Social-HM3D で SOTA のナビゲーション成功率を示す。

従来の社会ナビゲーションは現在の観測に反応するものが中心で、ロボット行動と人間の動きの相互影響を考慮した先読みが不十分だった。 - NavThinker は行動条件付き world model により、異なるロボット行動下での scene と pedestrian の将来変化を推論する。 - これにより coupled prediction-planning を明示的に扱い、future-aware な方策学習を実現する。 - 単一・複数ロボットの Social-HM3D で SOTA を達成し、Social-MP3D への zero-shot transfer と Unitree Go2 での実機展開も示す。

world model を Depth Anything V2 の patch 特徴空間で動作させ、将来の scene geometry と human motion を自己回帰予測する。 - multi-head decoder で将来の depth map と human trajectory を出力し、traversability と interaction risk に整合する future-aware state を構成する。 - 方策は DD-PPO で学習し、world model の think-ahead 信号を注入する。 - 行動条件付き将来特徴を現在の observation embedding に融合する。 - 予測された human trajectory から social reward shaping を行う。

単一ロボットおよび複数ロボットの Social-HM3D で実験し、ナビゲーション成功率が SOTA であることを示した。 - Social-MP3D への zero-shot transfer を検証し、汎化性を確認した。 - Unitree Go2 への実世界展開を行い、実用性を検証した。 - 詳細な評価指標やベースラインは要旨からは不明。

要旨からは不明。 - 限界や失敗事例、計算コスト、world model の予測誤差の影響などは明記されていない。 - 実世界展開の具体的な条件や安全性評価も要旨からは不明。

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 DD-PPO、Depth Anything V2、Social-HM3D、Social-MP3D、Unitree Go2 が挙げられる。 - 同分野の定番として social navigation の強化学習手法や world model ベースの navigation 研究を次に読むべき。 - 具体的な論文名は要旨からは不明。