GN0: 視覚言語ナビゲーションにおける生成・評価・方策学習の統一的パラダイムに向けて

- 視覚言語ナビゲーション（VLN）のための統合パラダイム「GN0」を提案。 - データ、シミュレーション、学習を一貫して扱う。 - 大規模ナビゲーションデータセット「GN-Matrix」を構築。 - 3D Gaussian Splatting（3DGS）エンジンに基づく高忠実度シミュレーションプラットフォームを導入。 - 動的3DGSアバターを用いたBEVベースのベンチマーク「GN-Bench」を提案。 - 強化学習駆動のナビゲーション基盤モデル「Break and Establish（BAE）」を開発。 - 指示追従、人間追従、ゴールナビゲーションなどのタスクを統合。

- 従来のVLNシステムはナビゲーションデータの可用性と品質の制限により、汎化性能と長期的能力が制約されていた。 - GN0は多様な3Dシーンをキュレーションし、自動パイプラインで大規模データを生成。 - 3DGSエンジンを用いた高忠実度シミュレーションを実現。 - GN-Benchは初のBEVベースで動的3DGSアバターを組み込んだベンチマーク。 - 統合パラダイムにより、マップベースとマップフリーのタスクを一貫して扱う。 - 広範な評価でGN0が最先端VLN手法を上回る性能を示す。

- 多様な3Dシーンを収集し、自動パイプラインで大規模ナビゲーションデータを生成。 - 3D Gaussian Splatting（3DGS）エンジンを基盤とし、インタラクティブなローミングと衝突認識ナビゲーションをサポートするシミュレーションプラットフォームを構築。 - GN-BenchはBEVベースで動的3DGSアバターを組み込み、人間-ロボットインタラクションを評価。 - 強化学習駆動のナビゲーション基盤モデルBAEを開発。 - 教師あり学習後、DAggerでロールアウト状態にモデルを曝し、狭い専門家中心分布を打破し、下流のRL探索を可能にする。 - GN-BAEは高忠実度3DGSレンダリングBEV表現をコンパクトメモリとして形式化し、VLMの潜在空間推論を解放。

- GN-BenchとVLN-CEでの広範な評価を実施。 - GN0が最先端VLN手法を上回ることを示した。 - 具体的な評価指標やベースラインの詳細は要旨からは不明。

- 要旨からは不明。 - 限界や議論点についての記述はない。

- 要旨で参照/比較されている研究：VLN-CE、最先端VLN手法（具体的名称は不明）。 - 関連手法：Vision-and-Language Navigation (VLN)、3D Gaussian Splatting (3DGS)、DAgger、強化学習（RL）。 - 同分野の定番：REVERIE、R2R、RxRなどが考えられるが、要旨に明示なし。