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:2604.22014

DM$^3$-Nav: 分散型マルチエージェント・マルチモーダル・マルチオブジェクト意味的ナビゲーション

DM$^3$-Nav: Decentralized Multi-Agent Multimodal Multi-Object Semantic Navigation

シェア:XThreadsFacebookLINEはてブBluesky

中央集権的な管理なしに、複数のロボットがアドホックな通信で協調し、複数の物体を探索・ナビゲーションする分散型システムを提案した。

詳しい要約

1. どんなもの?

- 完全分散型のマルチエージェント意味的ナビゲーションシステム DM$^3$-Nav を提案。 - マルチモーダルなオープンボキャブラリ目標指定と複数物体ミッションに対応。 - 分散動作とは、中央コーディネータ・グローバル地図集約・共有グローバル状態なしで実行時に動作すること。 - ロボットは自律動作し、アドホックなペア間通信でローカル地図・目標状態・ナビゲーション意図を同期なしに交換。

2. 先行研究と比べてどこがすごい?

- 集中型・共有地図ベースラインと同等以上を達成しつつ、集中アーキテクチャ固有の単一障害点を排除。 - 中央コーディネータやグローバル地図集約を不要にした点が先行研究と比べて優位。 - 暗黙的タスク割当により冗長探索を削減しつつ分散動作を維持。

3. 技術・手法の肝は?

- 暗黙的タスク割当機構を採用。 - intent broadcasting と distance-weighted frontier selection を組み合わせる。 - これにより冗長探索を削減し、分散動作を保持。 - ペア間通信でローカル地図・目標状態・ナビゲーション意図を交換。

4. どうやって有効だと検証した?

- HM3DSem シーン上で HM3Dv0.2 と GOAT-Bench データセットを用いて評価。 - 集中型・共有地図ベースラインと比較し、同等以上を確認。 - 実世界のオフィス環境で2台の移動ロボットを用いて検証。 - オンボードセンシングと計算のみに依存して展開に成功。

5. 議論はある?

- 集中アーキテクチャの単一障害点を排除できる点を主張。 - 暗黙的タスク割当が冗長探索を削減することを示す。 - 実世界展開の成功を報告。 - 限界や失敗事例、通信遅延・帯域の影響などは要旨からは不明。

6. 次に読むべき論文は?

- HM3Dv0.2 - GOAT-Bench - HM3DSem - 集中型・共有地図ベースライン(具体的名称は要旨からは不明)

※ 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: Amin Kashiri, Atharva Jamsandekar, Yasin Yazıcıoğlu

分類: cs.MA, cs.RO

原文アブストラクト

We present DM$^3$-Nav, a fully decentralized multi-agent semantic navigation system supporting multimodal open-vocabulary goal specification and multi-object missions. In our setting, decentralization implies operation without a central coordinator, global map aggregation, or shared global state at runtime. Robots operate autonomously and coordinate through ad-hoc pairwise communication, exchanging local maps, goal status, and navigation intent without synchronization. An implicit task allocation mechanism combining intent broadcasting and distance-weighted frontier selection reduces redundant exploration while preserving decentralized operation. Evaluations on HM3DSem scenes using the HM3Dv0.2 and GOAT-Bench datasets demonstrate that DM$^3$-Nav matches or exceeds centralized and shared-map baselines while eliminating single points of failure inherent in centralized architectures. Finally, we validate our approach in a real-world office environment using two mobile robots, demonstrating successful deployment relying entirely on onboard sensing and computation. A video of our real-world experiments is available online: https://drive.google.com/file/d/1QiUSCn5rIvtuTUqtuXLPgmt6S8x9-MCZ/view?usp=drive_link

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. 3NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  4. 4GXO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
  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