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:2605.16932

BAT-Nav: 長期セマンティックナビゲーションのための予算認識型調停と終了

BAT-Nav: Budget-Aware Arbitration and Termination for Long-Horizon Semantic Navigation

シェア:XThreadsFacebookLINEはてブBluesky

限られた行動予算で複数の目標を探索する長期ナビゲーションにおいて、低収益な目標が予算を独占する問題を解決するため、凍結されたVLMベースのナビゲーションの上で動作する訓練不要のオンライン目標調停機構を提案した。

詳しい要約

1. どんなもの?

- 長期的なsemantic navigationにおいて、限られたaction budgetで複数のopen-vocabulary targetを探索するタスクを扱う。 - 単一目標のObjectNavでは隠れていた、低収率または遮蔽された目標がaction budgetを独占し、後の目標が未試行になる実行失敗を明らかにする。 - これを解決するため、frozen VLM-guided navigation backbone上で動作するtraining-freeなオンラインgoal arbitrator「BAT-Nav」を提案。 - 低レベルpolicyを変更せず、実行telemetryを監視し、PERSIST, SWITCH, ABORT, COMMITの4介入でmission goal queueを更新する。

2. 先行研究と比べてどこがすごい?

- 従来のfixed-patience, single-signal, dynamic-cap, cap-plus-verification, revisit-cap, frontier-utility controllersと比較して、CR-WSF frontierを改善。 - HM3DではBAT-Nav-Observableが0.345 CR / 0.682 WSFを達成し、DynamicCapOnly比でCRを0.063改善、WSFを0.053削減。 - MP3Dでは0.263 CR / 0.748 WSFを達成し、DynamicCapOnly比でCRを0.061改善、WSFを0.047削減。 - 行動診断により、1エピソードあたりの試行目標数が増え、未解決目標の独占率がHM3Dで0.39から0.18、MP3Dで0.44から0.27に減少。

3. 技術・手法の肝は?

- training-freeなオンラインgoal arbitratorで、frozen VLM-guided navigation backboneの上に構築。 - 低レベルpolicyは変更せず、実行telemetryを監視してmission goal queueを更新。 - 4つの介入: PERSIST, SWITCH, ABORT, COMMIT。 - 制御はallocationとverificationを分離: 進捗停滞とbudget retentionがABORT/SWITCHを駆動し、temporal variance filteringがCOMMITを統制。 - deployable observable-proxy設定で動作。Oracle telemetryは上限として報告。

4. どうやって有効だと検証した?

- HM3DとMP3Dのデータセットで評価。 - BAT-Nav-Observableの性能をCRとWSFで測定し、複数のベースラインコントローラと比較。 - 行動診断により、試行目標数と未解決目標独占率の変化を分析。 - Oracle telemetryを上限として報告し、deployable設定との比較を実施。

5. 議論はある?

- 低収率または遮蔽された目標がaction budgetを独占する問題を明示。 - BAT-Navはtraining-freeで既存backboneに適用可能。 - Oracle telemetryは上限であり、deployable設定ではないことを明記。 - 具体的な限界や議論の詳細は要旨からは不明。

6. 次に読むべき論文は?

- 要旨で参照/比較されている研究: fixed-patience, single-signal, dynamic-cap, cap-plus-verification, revisit-cap, frontier-utility controllers, DynamicCapOnly。 - 関連手法: ObjectNav, VLM-guided navigation backbone, CR-WSF frontier。 - 同分野の定番: HM3D, MP3Dを用いたsemantic navigation研究。

※ 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: Xi Lin, Kangyi Wu, Jiayi Li, Jiaqiao Tang, Qingrong He, Lin Zhao

分類: cs.RO

原文アブストラクト

Long-horizon semantic navigation asks a robot to localize multiple open-vocabulary targets under a finite action budget. This setting exposes an execution failure that is largely hidden in single-goal ObjectNav: a low-yield or occluded target can monopolize the action budget of a reactive navigator and leave later goals unattempted. We present BAT-Nav, a training-free online goal arbitrator above a frozen VLM-guided navigation backbone. Rather than modifying the low-level policy, BAT-Nav monitors execution telemetry and updates the mission goal queue through four interventions: PERSIST, SWITCH, ABORT, and COMMIT. The controller separates allocation from verification: progress stagnation and budget retention drive ABORT/SWITCH, whereas temporal variance filtering governs COMMIT. In the deployable observable-proxy setting, BAT-Nav improves the CR-WSF frontier over fixed-patience, single-signal, dynamic-cap, cap-plus-verification, revisit-cap, and frontier-utility controllers. On HM3D, BAT-Nav-Observable reaches 0.345 CR / 0.682 WSF, improving CR by 0.063 and reducing WSF by 0.053 over DynamicCapOnly. On MP3D, it reaches 0.263 CR / 0.748 WSF, improving CR by 0.061 and reducing WSF by 0.047 over DynamicCapOnly. Behavior diagnostics show that BAT-Nav attempts more goals per episode and reduces unresolved-goal monopoly rate from 0.39 to 0.18 on HM3D and from 0.44 to 0.27 on MP3D. Oracle telemetry is reported as an upper-bound ceiling rather than a deployable setting.

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

OZ GAMING(GPU搭載BTOゲーミングPC)

OZ GAMING(GPU搭載BTOゲーミングPC)の公式広告バナーOZ GAMINGで完成品PCを見る ↗
PR本紙発行元 EmplifAI