蒸留型視覚言語信頼性ガイド付き拡散モデルによる空中ナビゲーション

- 3D UAV navigation のための reliability-aware diffusion planner。 - 生の観測から直接 trajectory を生成する end-to-end generative model。 - 観測とともに scene-level reliability heatmap を条件として trajectory 生成を行う。 - reliability heatmap は perception が信頼できない領域(glass, mirrors, overexposed surfaces など)を示す。 - 軽量ネットワークが vision-language model の open-vocabulary reasoning を distil して生成。

- 従来の perception, mapping, planning を分離する pipeline は誤差伝播・遅延・環境依存の再調整を招く。 - end-to-end generative model は interface を排除するが、clean data で学習すると劣化領域を有効な証拠と誤認する failure mode を持つ。 - 本手法は reliability を考慮し、state-of-the-art diffusion baseline より安全な trajectory を生成。 - obstacle-violation rate を 40.3% から 9.6% に低減。 - traversed regions の mean reliability を 0.588 から 0.925 に向上。

- 観測と scene-level reliability heatmap を条件に trajectory 生成を行う diffusion planner。 - reliability heatmap は lightweight network が vision-language model の open-vocabulary reasoning を distil して生成。 - 未見環境への再学習なしの汎化のため、differentiable two-stage ESDF cost で denoising process を steer。 - この cost は depth からの physical obstacles と highly unreliable regions からの virtual obstacles を同等に扱う。 - distillation により full vision-language model より最大 2 倍高速。

- simulation と real quadrotor で検証。 - state-of-the-art diffusion baseline と比較し、より安全な trajectory を生成。 - obstacle-violation rate が 40.3% から 9.6% に減少。 - traversed regions の mean reliability が 0.588 から 0.925 に上昇。 - reliability term の ablation で mean reliability が 0.898 から 0.783 に低下し、決定的要素であることを確認。

- reliability term の ablation により、これが性能の決定的要素であると確認。 - distillation により full vision-language model より最大 2 倍高速化。 - 要旨からは、限界や失敗事例、計算コストの詳細な議論は不明。

- 要旨で参照/比較されている研究: state-of-the-art diffusion baseline。 - 関連手法: end-to-end generative models, diffusion planner, vision-language model, ESDF cost。 - 同分野の定番: perception-mapping-planning pipeline, UAV navigation, autonomous navigation。