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:2606.10348

関係バイアスによる意味的証拠の調整を用いたゼロショット物体ナビゲーション

Semantic Evidence Regulation via Relational Bias for Zero-Shot Object Navigation

シェア:XThreadsFacebookLINEはてブBluesky

未知環境での物体探索において、誤解を招く意味的手がかりを動的に調整する訓練不要のフレームワークSER-Navを提案し、ナビゲーション性能を向上させた。

詳しい要約

1. どんなもの?

- 未知環境で視覚観測から対象物体を探す ObjectNav のための zero-shot フレームワーク SER-Nav を提案。 - training-free で、semantic evidence の影響を動的に調整する。 - dual relational bias(activation と inhibition)を導入。 - reliability-aware commitment gate で未検証のターゲットへの早すぎる追跡を防ぐ。

2. 先行研究と比べてどこがすごい?

- 既存の zero-shot 手法は open-vocabulary perception と semantic priors を利用するが、semantic cues の信頼性を評価・調整する仕組みがなく、誤った semantic evidence が探索中持続し frontier 選択を誤らせる問題があった。 - SER-Nav は semantic cues の影響を適応的に調整し、有用な guidance を保ちつつ persistent semantic misguidance を軽減する点が新しい。

3. 技術・手法の肝は?

- dual relational biases: activation は target-related および contextual evidence を強化し探索を導く。inhibition は perceptual confusion や failed verification による misleading evidence を減衰させる。 - これらの relational biases が navigation search space を動的に更新。 - reliability-aware commitment gate が不十分に検証されたターゲットへの早期追跡を防止。 - training-free で動作。

4. どうやって有効だと検証した?

- 標準的な ObjectNav benchmarks での実験により、代表的な zero-shot 手法と比較して success rate と path efficiency が一貫して改善。 - 各コンポーネントの有効性を extensive ablation studies で検証。 - 実世界の robot experiments で robustness と practical applicability を検証。

5. 議論はある?

- 要旨からは不明(具体的な議論や限界については記述なし)。

6. 次に読むべき論文は?

- 要旨で参照/比較されている具体的な先行研究は明記されていない。 - 同分野の関連手法として zero-shot ObjectNav の代表的手法(例: open-vocabulary perception を用いた frontier-based exploration など)を挙げる。

※ 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: Weitao An, Chenghao Xu, Xu Yang, Cheng Deng

分類: cs.RO

原文アブストラクト

Object navigation requires an embodied agent to locate a target object in an unknown environment through visual observations. Existing zero-shot methods typically leverage open-vocabulary perception and semantic priors to identify promising search regions. However, these methods often assume that semantic cues provide reliable guidance, while lacking mechanisms to assess and adjust their influence during exploration. Consequently, misleading semantic evidence can persist throughout navigation, biasing frontier selection and causing agents to repeatedly explore unreliable regions. To address this problem, we propose SER-Nav, a training-free framework that achieves dynamic Semantic Evidence Regulation via relational bias. SER-Nav introduces dual relational biases: activation reinforces target-related and contextual evidence to guide exploration, while inhibition attenuates misleading evidence caused by perceptual confusion and failed verification. These relational biases dynamically update the navigation search space, and a reliability-aware commitment gate prevents premature pursuit of insufficiently verified targets. By adaptively adjusting the influence of semantic cues, SER-Nav preserves useful guidance while mitigating persistent semantic misguidance under noisy open-vocabulary perception. Experiments on standard ObjectNav benchmarks demonstrate that SER-Nav consistently improves success rate and path efficiency over representative zero-shot methods. Extensive ablation studies further validate the effectiveness of each component. Real-world robot experiments further validate its robustness and practical applicability.

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