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:2604.00265

対話を超えたベンチマーキング:協調的インスタンス物体ナビゲーションの再現可能なベンチマーク

Benchmarking Interaction, Beyond Policy: a Reproducible Benchmark for Collaborative Instance Object Navigation

シェア:XThreadsFacebookLINEはてブBluesky

本論文は、協調的インスタンス物体ナビゲーション(CoIN)のための再現可能なベンチマークQAsk-Navを提案し、ナビゲーションと質問応答の能力を独立に評価できるようにした。また、軽量な統一モデルLight-CoNavを開発し、既存手法より小型・高速でありながら、未知の物体や環境への汎化性能が高いことを示した。

詳しい要約

1. どんなもの?

- 本論文は、Collaborative Instance Object Navigation (CoIN) のための再現可能なベンチマーク「Question-Asking Navigation (QAsk-Nav)」を提案する。 - CoIN は、部分的観測下で自由形式の自然言語で指定された目標物体に、egocentric visual observations と人間との対話のみを用いて到達するタスク。 - QAsk-Nav は、ナビゲーションと質問応答を独立に評価可能にし、28,000件の品質チェック済み推論・質問トレースを含むオープンソースデータセットを提供する。 - また、軽量統合モデル Light-CoNav を開発し、既存のモジュール型手法より3倍小さく70倍高速で、未見物体・環境への汎化で最先端を上回る。

2. 先行研究と比べてどこがすごい?

- 既存の CoIN ベンチマークはナビゲーション成功に焦点を当て、協調的インタラクションの一貫した評価をサポートしていない。 - QAsk-Nav は、ナビゲーションから独立してスコアリングされる軽量な質問応答プロトコルを初めて提供する。 - また、現実的で多様かつ高品質な目標記述を含む拡張ナビゲーションプロトコルを備える。 - Light-CoNav は既存のモジュール型手法より3倍小さく70倍高速でありながら、未見物体・環境への汎化で最先端 CoIN 手法を上回る。

3. 技術・手法の肝は?

- QAsk-Nav は、(i) ナビゲーションと独立に評価される軽量質問応答プロトコル、(ii) 現実的で多様な高品質目標記述を備えた拡張ナビゲーションプロトコル、(iii) 28,000件の品質チェック済み推論・質問トレースを含むオープンソースデータセットを提供する。 - Light-CoNav は、協調ナビゲーションのための軽量統合モデルであり、既存のモジュール型手法より3倍小さく70倍高速である。 - 具体的なアーキテクチャや学習手法の詳細は要旨からは不明。

4. どうやって有効だと検証した?

- 提案ベンチマーク QAsk-Nav を用いて Light-CoNav を開発し、既存の最先端 CoIN 手法と比較した。 - 未見物体および未見環境への汎化性能で、Light-CoNav が最先端手法を上回ることを示した。 - また、既存のモジュール型手法より3倍小さく70倍高速であることを報告している。 - 評価の具体的な指標や実験設定の詳細は要旨からは不明。

5. 議論はある?

- 既存 CoIN ベンチマークがナビゲーション成功に偏り、協調的インタラクションの一貫した評価を欠く点を問題として指摘。 - QAsk-Nav により、ナビゲーションと質問応答を分離して評価できることを主張。 - Light-CoNav の効率性と汎化性能の向上を示すが、限界や今後の課題についての議論は要旨からは不明。

6. 次に読むべき論文は?

- 要旨で参照/比較されている研究:既存の CoIN ベンチマーク、既存のモジュール型 CoIN 手法、state-of-the-art CoIN approaches。 - 関連手法:Collaborative Instance Object Navigation (CoIN)、Question-Asking Navigation (QAsk-Nav)、Light-CoNav。 - 同分野の定番:Embodied Navigation、Vision-and-Language Navigation (VLN)、Interactive Navigation。

※ 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: Edoardo Zorzi, Francesco Taioli, Yiming Wang, Marco Cristani, Alessandro Farinelli, Alberto Castellini, Loris Bazzani

分類: cs.CV, cs.AI

原文アブストラクト

We propose Question-Asking Navigation (QAsk-Nav), the first reproducible benchmark for Collaborative Instance Object Navigation (CoIN) that enables an explicit, separate assessment of embodied navigation and collaborative question asking. CoIN tasks an embodied agent with reaching a target specified in free-form natural language under partial observability, using only egocentric visual observations and interactive natural-language dialogue with a human, where the dialogue can help to resolve ambiguity among visually similar object instances. Existing CoIN benchmarks are primarily focused on navigation success and offer no support for consistent evaluation of collaborative interaction. To address this limitation, QAsk-Nav provides (i) a lightweight question-asking protocol scored independently of navigation, (ii) an enhanced navigation protocol with realistic, diverse, high-quality target descriptions, and (iii) an open-source dataset, that includes 28,000 quality-checked reasoning and question-asking traces for training and analysis of interactive capabilities of CoIN models. Using the proposed QAsk-Nav benchmark, we develop Light-CoNav, a lightweight unified model for collaborative navigation that is 3x smaller and 70x faster than existing modular methods, while outperforming state-of-the-art CoIN approaches in generalization to unseen objects and environments. Project page at https://benchmarking-interaction.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

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