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:2605.00397

MiniVLA-Nav v1: 言語条件付きロボットナビゲーションのためのマルチシーンシミュレーションデータセット

MiniVLA-Nav v1: A Multi-Scene Simulation Dataset for Language-Conditioned Robot Navigation

シェア:XThreadsFacebookLINEはてブBluesky

言語指示に従ってロボットが物体に接近するナビゲーションタスク用の、複数のフォトリアリスティックなシミュレーション環境を含むデータセットを構築した。

詳しい要約

1. どんなもの?

MiniVLA-Nav v1は、Language-Conditioned Object Approach (LCOA) ナビゲーション向けのシミュレーションデータセットである。 - タスク: 短い自然言語指示に従い、NVIDIA Nova Carter差動駆動ロボットが指定物体へ移動し1 m以内で停止する。 - 環境: Isaac Simによる4つのphotorealistic環境 (Office, Hospital, Full Warehouse, Warehouse with Multiple Shelves)。 - 規模: 1,174エピソード。各エピソードは指示文、640x640 RGB画像、metric depth map (float32, メートル)、instance segmentation mask、60 Hzで記録された連続(v,omega)および7x7トークン化expert action labelを含む。 - 多様性: 3つのspawn-distance tier (near: 1.5-3.5 m, mid: 3.5-7.0 m, far: グローバル厳選点)、…

2. 先行研究と比べてどこがすごい?

先行研究との比較は要旨からは不明。 - 本データセットの特徴として、LCOAタスクに特化し、4つのphotorealistic Isaac Sim環境、RGB・depth・segmentation・expert actionを同期して含む点が挙げられている。 - また、spawn-distance tierやテンプレート・paraphrase-OOD splitにより、in-distribution・言い換え頑健性・OODカテゴリ評価を可能にする点が記述されている。 - ただし、既存データセットと比べて具体的にどこが優れているかは要旨に明示されていない。

3. 技術・手法の肝は?

データセット構築とタスク設定が肝。 - ロボット: NVIDIA Nova Carter差動駆動ロボット。 - 専門家行動: vision-based proportional controllerにより60 Hzで記録。 - 行動ラベル: 連続(v,omega)と7x7トークン化expert action labelの両方。 - 観測: 640x640 RGB画像、metric depth map (float32, メートル)、instance segmentation mask。 - 軌道多様性: 3つのspawn-distance tier (near: 1.5-3.5 m, mid: 3.5-7.0 m, far: グローバル厳選点)を採用。spawn距離と軌道長のPearson r=0.94。 - 言語: 12物体カテゴリ、18訓練テンプレート、12 paraphrase-OODテンプレート。 - 評価: 5つのsplitでin-distribution、テンプレート言い換え、OOD物体カテゴリを評価。

4. どうやって有効だと検証した?

有効性の検証方法は要旨からは不明。 - データセットは5つの評価splitを提供し、in-distribution精度、テンプレート言い換え頑健性、OOD物体カテゴリベンチマークを支援すると述べられている。 - ただし、具体的な実験やベースライン比較、性能指標の結果は要旨に記載されていない。

5. 議論はある?

議論や限界は要旨からは不明。 - データセットの公開先や構成、評価splitの設計は記述されているが、課題や制約、今後の展望についての言及はない。

6. 次に読むべき論文は?

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、Language-Conditioned Object Approach (LCOA) ナビゲーション、Vision-Language-Action (VLA) モデル、Isaac Simを用いたロボットナビゲーションのデータセットやベンチマークが挙げられる。 - 具体的な論文名は要旨からは不明。

※ 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: Ali Al-Bustami, Jaerock Kwon

分類: cs.RO

原文アブストラクト

We present MiniVLA-Nav v1, a simulation dataset for Language-Conditioned Object Approach (LCOA) navigation: given a short natural-language instruction, an NVIDIA Nova Carter differential-drive robot must navigate to the named object and stop within 1 m across four photorealistic Isaac Sim environments (Office, Hospital, Full Warehouse, and Warehouse with Multiple Shelves). Each of the 1,174 episodes pairs an instruction with synchronized 640x640 RGB images, metric depth maps (float32, metres), and instance segmentation masks, together with continuous (v,omega) and 7x7 tokenized expert action labels recorded at 60 Hz from a vision-based proportional controller. Trajectory diversity is ensured through three spawn-distance tiers (near: 1.5-3.5 m, mid: 3.5-7.0 m, far: global curated points; Pearson r=0.94 between spawn distance and trajectory length), 12 object categories, 18 training templates, and 12 paraphrase-OOD templates. Five evaluation splits support in-distribution accuracy, template-paraphrase robustness, and OOD object-category benchmarking. The dataset is publicly available at https://huggingface.co/datasets/alibustami/miniVLA-Nav

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