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:2605.19690

D-CLING: ナビゲーション基盤モデルのための事前知識を保持する深度条件付きファインチューニング

D-CLING: Prior-Preserving Depth-Conditioned Fine-Tuning for Navigation Foundation Models

シェア:XThreadsFacebookLINEはてブBluesky

ナビゲーション基盤モデルを新しい環境やカメラ設定に適応させる際、事前学習の知識を保ちながら効率的に学習するファインチューニング手法を提案した。ControlNetに着想を得て、ゼロ初期化の残差経路を持つ学習可能なバックボーンを追加し、深度情報を活用することで、衝突や人間の介入を減らしつつ長期的なナビゲーションを実現した。

詳しい要約

1. どんなもの?

- ナビゲーション基盤モデル(NFM)の新しいファインチューニング手法「D-CLING」を提案。 - 大規模クロスエンボディデータセットで事前学習されたNFMを、新しい環境やカメラ設定に効率的に適応させる。 - ControlNetに着想を得て、事前学習済みバックボーンの学習可能なコピーをゼロ初期化残差経路で接続し、幾何学的キューを学習。 - 実世界ナビゲーションで堅牢な長距離ナビゲーションを実現し、衝突や人間の介入を最小化。 - オフライン分析で、ファインチューニングデータセットを超えて行動予測能力を維持または改善することを示す。

2. 先行研究と比べてどこがすごい?

- 従来のファインチューニングでは、小さなデータサブセットでの更新が事前学習済みのpriorを侵食し、汎化性能が低下する問題があった。 - また、ファインチューニング後のモデルは障害物回避が不十分であったり、目標に適切に到達できないことがあった。 - 提案手法は、事前学習知識を保持しつつ、新しい設定(環境やカメラ構成)で効率的に学習できる。 - その結果、堅牢で正確なナビゲーションを実現し、継続学習への重要な洞察を与える。

3. 技術・手法の肝は?

- ControlNetにインスパイアされ、事前学習済みバックボーンの学習可能なコピーをゼロ初期化残差経路で接続。 - この設計により、モデルはドメイン内の幾何学的情報を効率的に獲得しつつ、様々な行動にわたる事前学習知識を保持。 - シンプルながら、実世界ナビゲーションで堅牢な長距離ナビゲーションを可能にする。

4. どうやって有効だと検証した?

- 実世界ナビゲーションの包括的評価を実施。 - 提案手法が堅牢な長距離ナビゲーションを実現し、衝突や人間の介入を最小限に抑えることを示した。 - オフライン分析により、ファインチューニングデータセットを超えて行動予測能力を維持または改善することを確認。

5. 議論はある?

- 提案手法はシンプルであるが、実世界ナビゲーションで有効性を示す。 - オフライン分析から、一般ナビゲーションの継続学習への重要な洞察が得られる。 - 具体的な議論や限界については要旨からは不明。

6. 次に読むべき論文は?

- ControlNet(提案手法の着想元) - Navigation Foundation Models (NFMs) の事前学習手法 - 継続学習やファインチューニングに関する一般的な研究

※ 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: Shintaro Nakaoka, Takayuki Kanai, Kazuhito Tanaka

分類: cs.RO

原文アブストラクト

Navigation Foundation Models (NFMs) trained on large cross-embodied datasets have demonstrated powerful generalizability in various scenarios. Adopting in-domain fine-tuning for an NFM efficiently calibrates the visuomotor policy, promising further improvement even in a novel scenario. However, the fine-tuned models still suffer from poor obstacle avoidance or fail to properly reach the provided goals. Furthermore, model updates using a small subset of data typically erode the pre-trained prior, compromising the pre-training generalization. Consequently, fine-tuning deteriorates the capability of the model for robust and accurate navigation. In this work, we present a novel fine-tuning method that leverages large-scale pre-training while efficiently learning in novel setups, such as environments or camera configurations. In particular, inspired by ControlNet, we fine-tune an NFM by attaching a trainable copy of the pre-trained backbone using zero-initialized residual pathways, thereby learning geometric cues. This design enables the model to efficiently acquire in-domain geometry while preserving pre-trained knowledge across various behaviors. Despite its simplicity, our comprehensive evaluation of real-world navigation suggests that our proposal effectively enables robust long-horizon navigation with minimal collisions and human intervention. Additionally, our offline analysis shows that the proposed method maintains or further improves action prediction capabilities beyond the fine-tuned dataset, providing a key insight into continual learning for general navigation. The project page: https://toyotafrc.github.io/DCLING-Proj/

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. 3NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  4. 4GXO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
  5. 5Google DeepMind、ロボット向けAIを発表新製品・発表

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