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:2605.07496

PathPainter: 画像生成モデルの汎化能力を身体化ナビゲーションへ転移する

PathPainter: Transferring the Generalization Ability of Image Generation Models to Embodied Navigation

シェア:XThreadsFacebookLINEはてブBluesky

鳥瞰図画像を大域的な事前情報として用い、画像生成モデルで自然言語から目標地点と走行可能領域を推定し、クロスビュー位置合わせでドリフトを補正するナビゲーションシステムを提案。UAVで160mの長距離ナビゲーションを実証した。

詳しい要約

1. どんなもの?

- BEV画像をグローバル事前情報として利用するナビゲーションシステム。 - 地上および準地上ロボットプラットフォーム向けに設計。 - 画像生成モデルを用いて自然言語から人間の意図を解釈し、目的地を特定し、走行可能マスクを生成。 - 実行中にクロスビューロカライゼーションを導入し、ロボットのオドメトリをBEVマップに整合させ、長期的なドリフトを軽減。 - UAVプラットフォームで検証し、160mの屋外長距離ナビゲーションを従来のローカルモーションプランナーのみで成功。

2. 先行研究と比べてどこがすごい?

- 従来のBEV画像を用いたナビゲーションでは、グローバル情報の活用と実行時の信頼性が課題。 - 画像生成モデルの世界理解能力をembodied navigationに転移させる点が新しい。 - 既存の画像生成モデルの強い汎化能力をロボットが活用できることを示した。 - 従来のオドメトリの長期的ドリフトをクロスビューロカライゼーションで軽減。 - 従来のローカルモーションプランナーのみで長距離ナビゲーションを実現。

3. 技術・手法の肝は?

- BEV画像をグローバル事前情報として使用。 - 画像生成モデルにより自然言語から人間の意図を解釈し、目的地を特定、走行可能マスクを生成。 - クロスビューロカライゼーションによりロボットのオドメトリをBEVマップに整合。 - 従来のローカルモーションプランナーを組み合わせて実行。 - 地上および準地上ロボットプラットフォーム向けに設計。

4. どうやって有効だと検証した?

- 広範なベンチマーク実験を実施。 - UAVプラットフォームでさらに検証。 - 従来のローカルモーションプランナーのみを使用し、160メートルの屋外長距離ナビゲーションタスクを成功裏に完了。

5. 議論はある?

- 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は明示されていない。 - 同分野の定番として、BEV-based navigation、image generation models (e.g., diffusion models)、cross-view localization、visual odometry、local motion planning などが関連。

※ 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: Yijin Wang, Yuru Tian, Xijie Huang, Weiqi Gai, Mo Zhu, Xin Zhou, Yuze Wu, Fei Gao

分類: cs.RO

原文アブストラクト

Bird's-eye-view (BEV) images have been widely demonstrated to provide valuable prior information for navigation. Given the global information provided by such views, two key challenges remain: how to fully exploit this information and how to reliably use it during execution. In this paper, we propose a navigation system that uses BEV images as global priors and is designed for ground and near-ground robotic platforms. The system employs an image generation model to interpret human intent from natural language, identify the target destination, and generate traversability masks. During execution, we introduce cross-view localization to align the robot's odometry with the BEV map and mitigate long-term drift in conventional odometry. We conduct extensive benchmark experiments to evaluate the proposed method and further validate it on a UAV platform. Using only a conventional local motion planner, the UAV successfully completes a 160-meter outdoor long-range navigation task. This work demonstrates how the world-understanding capabilities of foundation models can be transferred to embodied navigation, enabling robots to benefit from the strong generalization ability of existing image generation models.

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. 2GXO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
  3. 3newmo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
  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

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