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:2605.11859

EvoNav: 大規模言語モデルを用いたロボットナビゲーションの進化的報酬関数設計

EvoNav: Evolutionary Reward Function Design for Robot Navigation with Large Language Models

シェア:XThreadsFacebookLINEはてブBluesky

ロボットナビゲーションの強化学習における報酬関数の設計を、大規模言語モデルと進化的アルゴリズムで自動化する手法を提案した論文。

詳しい要約

1. どんなもの?

- ロボットナビゲーションのための報酬関数をLLMで自動設計する進化的フレームワークEvoNavを提案。 - 動的な人間環境でのソーシャルロボット応用を想定。 - 手設計の報酬は専門知識とバイアスを要し、適応が難しい問題に対処。 - LLMが候補報酬を生成し、進化的に改善。 - ポリシー訓練の高コストを避けるため、3段階のwarm-up-boost手順で評価。

2. 先行研究と比べてどこがすごい?

- 手設計のRL報酬と最先端の報酬設計手法より有効なナビゲーションポリシーを生成。 - 従来の手設計はドメイン専門知識と監査困難な帰納バイアスを埋め込み、性能が限定。 - EvoNavはLLMによる自動設計でこれらの制限を克服。 - 計算効率の良い探索を実現し、実用的なフィードバック下で進化的に報酬を改善。

3. 技術・手法の肝は?

- LLMを用いて報酬関数の候補を生成し、進化的に設計を自動化。 - 各候補を3段階のwarm-up-boost手順で評価: - 第1段階:小規模データセットや解析的ルールなどの低コスト代理指標。 - 第2段階:軽量ロールアウト。 - 第3段階:完全なポリシー訓練。 - 段階的に評価を進め、計算コストを抑えつつ効果的なフィードバックを実現。

4. どうやって有効だと検証した?

- 実験結果により、EvoNavが手設計のRL報酬および最先端の報酬設計手法よりも有効なナビゲーションポリシーを生成することを示した。 - 具体的な評価指標や環境の詳細は要旨からは不明。

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:手設計のRL報酬、最先端の報酬設計手法(具体的名称は要旨からは不明)。 - 関連手法として、LLMを用いた報酬設計や進的アルゴリズム、ロボットナビゲーションのRL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: Zhikai Zhao, Chuanbo Hua, Federico Berto, Zihan Ma, Kanghoon Lee, Jiachen Li, Jinkyoo Park

分類: cs.RO, cs.AI

原文アブストラクト

Robot navigation is a crucial task with applications to social robots in dynamic human environments. While Reinforcement Learning (RL) has shown great promise for this problem, the policy quality is highly sensitive to the specification of reward functions. Hand-crafted rewards require substantial domain expertise and embed inductive biases that are difficult to audit or adapt, limiting their effectiveness and leading to suboptimal performance. In this paper, we propose EvoNav, an evolutionary framework that automates the design of robot navigation reward functions via large language models (LLMs). To overcome prohibitively costly policy training, EvoNav evaluates each candidate proposal from the LLM via a progressive three-stage warm-up-boost procedure. EvoNav advances from analytical proxies with low-cost surrogates, such as small datasets and analytic rules, to lightweight rollouts and, finally, to full policy training, enabling computationally efficient exploration under effective feedback. Experiment results show that EvoNav produces more effective navigation policies than manually designed RL rewards and state-of-the-art reward design methods.

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

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