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:2605.10118

サンドボックスで計画し、オープンワールドでナビゲート:物理に基づく抽象化経験学習による具現化ナビゲーション

Plan in Sandbox, Navigate in Open Worlds: Learning Physics-Grounded Abstracted Experience for Embodied Navigation

シェア:XThreadsFacebookLINEはてブBluesky

物理法則に基づく抽象化環境で強化学習を行い、その経験を実世界のナビゲーションに転移するフレームワークSAGEを提案した。

詳しい要約

1. どんなもの?

- 本論文は、Vision-Language Models (VLMs) を用いた embodied navigation の性能向上を目的としたフレームワーク SAGE (Sandbox-Abstracted Grounded Experience) を提案する。 - SAGE は、photorealistic なシミュレーションではなく、physics-grounded な semantic abstraction 内でエージェントが学習することを可能にする。 - 人間の mental simulation のように、簡略化された物理抽象で計画をリハーサルしてから実行することを模倣する。 - 3つのフェーズ (Genesis, Evolution, Navigation) から構成される。 - 実験では、planner-assisted embodied navigation を改善し、A-EQA で 53.21% の LLM-Match Success Rate を達成 (+9.7% over baseline)。 - 物理的な屋内ロボット展開への転移も示唆されている。

2. 先行研究と比べてどこがすごい?

- 従来の embodied navigation では、open-world の vision と robot control データの不足が問題であった。 - シミュレータはデータ収集の代替手段だが、photorealistic シミュレーションへの依存が学習ポリシーの転移性を制限していた。 - SAGE は photorealistic シミュレーションではなく、physics-grounded semantic abstraction を用いることで、この制限を克服しようとする点が新しい。 - 具体的な先行研究との比較は要旨からは不明。

3. 技術・手法の肝は?

- SAGE は3つのフェーズで動作する。 - Genesis: 多様で物理的に制約された semantic 環境を構築し、経験をブートストラップする。 - Evolution: Reinforcement Learning (RL) を用いて経験を蒸留する。この際、新規の asymmetric adaptive clipping メカニズムを導入し、更新を安定化させる。 - Navigation: 抽象的なポリシーを open-world の制御に橋渡しする。 - 技術の肝は、physics-grounded semantic abstraction 内での学習と、asymmetric adaptive clipping による RL の安定化。

4. どうやって有効だと検証した?

- planner-assisted embodied navigation において、A-EQA データセットで評価を実施。 - LLM-Match Success Rate が 53.21% に達し、ベースラインから +9.7% の改善を達成。 - 物理的な屋内ロボット展開への転移も試み、有望な結果を示した。 - 具体的な実験設定や比較手法の詳細は要旨からは不明。

5. 議論はある?

- 要旨では、SAGE が embodied navigation を改善し、物理ロボットへの転移も示唆されたと述べられている。 - しかし、限界や議論点についての具体的な記述は要旨からは不明。 - 今後の課題や改善点についても言及されていない。

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、Vision-Language Models (VLMs) や Reinforcement Learning (RL) が挙げられる。 - 同分野の定番として、embodied navigation におけるシミュレータベースの学習や、A-EQA などのベンチマークに関する論文が考えられる。

※ 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: Zhixuan Shen, Jiawei Du, Ziyu Guo, Han Luo, Lilan Peng, Joey Tianyi Zhou, Haonan Luo, Tianrui Li

分類: cs.RO

原文アブストラクト

Vision-Language Models (VLMs) have demonstrated exceptional general reasoning capabilities. However, their performance in embodied navigation remains hindered by a scarcity of aligned open-world vision and robot control data. Despite simulators providing a cost-effective alternative for data collection, the inherent reliance on photorealistic simulations often limits the transferability of learned policies. To this end, we propose \textit{\textbf{S}andbox-\textbf{A}bstracted \textbf{G}rounded \textbf{E}xperience} (\textbf{\textit{SAGE}}), a framework that enables agents to learn within a physics-grounded semantic abstraction rather than a photorealistic simulation, mimicking the human capacity for mental simulation where plans are rehearsed in simplified physics abstractions before execution. \textit{SAGE} system operates via three synergistic phases: (1) \textit{Genesis}: constructing diverse, physics-constrained semantic environments to bootstrap experience; (2) \textit{Evolution}: distilling experiences through Reinforcement Learning (RL), utilizing a novel asymmetric adaptive clipping mechanism to stabilize updates; (3) \textit{Navigation}: bridging the abstract policy to open-world control. We demonstrate that \textit{SAGE} significantly improves planner-assisted embodied navigation, achieving a 53.21\% LLM-Match Success Rate on A-EQA (+9.7\% over baseline), while showing encouraging transfer to physical indoor robot deployment.

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