日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

群制御arXiv:2604.12831

VULCAN: 屋内火災対応のための視覚言語モデル強化型マルチエージェント協調ナビゲーション

VULCAN: Vision-Language-Model Enhanced Multi-Agent Cooperative Navigation for Indoor Fire-Disaster Response

シェア:XThreadsFacebookLINEはてブBluesky

火災時の屋内環境で、視覚言語モデルを用いたマルチエージェント協調ナビゲーション手法を提案し、煙や熱などの動的障害をシミュレートしたベンチマークで既存手法の限界を示した。

詳しい要約

1. どんなもの?

- 屋内火災対応のためのマルチエージェント協調ナビゲーション手法 - VULCAN: マルチモーダル知覚とVision-Language Models (VLMs) を基盤 - 火災による煙・熱・センサ劣化に対応 - 既存のベンチマークHabitat-Matterport3Dを拡張し、物理的に現実的な火災シナリオをシミュレート - 代表的なマルチエージェント協調ナビゲーションのベースラインを通常環境と火災環境で評価

2. 先行研究と比べてどこがすごい?

- 既存のマルチエージェントナビゲーションは主に視覚ベースで、良性の屋内環境向け - 火災による動的条件では性能が大幅に低下する - VULCANはマルチモーダル知覚とVLMsを活用し、火災環境に特化 - 火災シナリオでの既存手法の致命的な失敗モードを明らかにし、堅牢な知覚と危険認識計画の必要性を示す

3. 技術・手法の肝は?

- マルチモーダル知覚とVision-Language Models (VLMs) を統合 - 火災による煙拡散、熱危険、センサ劣化を考慮したシミュレーション環境を構築 - マルチエージェント協調ナビゲーションのフレームワーク - 具体的なアルゴリズムやアーキテクチャ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?

- Habitat-Matterport3Dベンチマークを拡張し、物理的に現実的な火災シナリオをシミュレート - 通常環境と火災環境の両方で代表的なマルチエージェント協調ナビゲーションのベースラインを評価 - 結果、火災シナリオでの既存手法の失敗モードを明らかにした - 有効性の定量的評価の詳細は要旨からは不明

5. 議論はある?

- 既存手法が火災環境で性能劣化することを示し、堅牢な知覚と危険認識計画の必要性を強調 - 火災対応のためのマルチエージェント協調ナビゲーションの課題を提示 - 具体的な議論や限界については要旨からは不明

6. 次に読むべき論文は?

- 要旨で参照/比較されている研究: 代表的なマルチエージェント協調ナビゲーションのベースライン(具体的な名称は要旨からは不明) - 関連手法: Habitat-Matterport3Dベンチマーク、Vision-Language Models (VLMs) - 同分野の定番: マルチエージェント強化学習、協調ナビゲーション、火災シミュレーション

※ 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: Shengding Liu, Qiben Yan

分類: cs.RO

原文アブストラクト

Indoor fire disasters pose severe challenges to autonomous search and rescue due to dense smoke, high temperatures, and dynamically evolving indoor environments. In such time-critical scenarios, multi-agent cooperative navigation is particularly useful, as it enables faster and broader exploration than single-agent approaches. However, existing multi-agent navigation systems are primarily vision-based and designed for benign indoor settings, leading to significant performance degradation under fire-driven dynamic conditions. In this paper, we present VULCAN, a multi-agent cooperative navigation framework based on multi-modal perception and vision-language models (VLMs), tailored for indoor fire disaster response. We extend the Habitat-Matterport3D benchmark by simulating physically realistic fire scenarios, including smoke diffusion, thermal hazards, and sensor degradation. We evaluate representative multi-agent cooperative navigation baselines under both normal and fire-driven environments. Our results reveal critical failure modes of existing methods in fire scenarios and underscore the necessity of robust perception and hazard-aware planning for reliable multi-agent search and rescue.

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. 3Google DeepMind、ロボット向けAIを発表新製品・発表
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5GXO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

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