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:2606.14267

FloVerse: フロアプラン誘導によるマルチモーダルナビゲーション

FloVerse: Floor Plan-Guided Multi-Modal Navigation

シェア:XThreadsFacebookLINEはてブBluesky

フロアプランを用いた屋内ナビゲーションの新しいタスクを提案し、PointNav・ObjectNav・ImageNavを統合した大規模データセットと拡散モデルベースの模倣学習手法を開発した。

詳しい要約

1. どんなもの?

- FloVerseは、floor planを活用したembodied navigationの新しいタスク。 - PointNav、ObjectNav、ImageNavを統合。 - FloVerse-1.6Kデータセットを構築。 - HM3DとGibson 4+から1.6Kシーン。 - 240Kのexpert trajectoriesと12MのRGBD frames。 - ThreeDiffという2段階のimitation learning policyを提案。 - planner、diffusion-based multimodal goal-reasoning module、refinerから構成。

2. 先行研究と比べてどこがすごい?

- 従来のfloor plan-guided navigationは主にPointNavに限定され、環境も限られていた。 - FloVerseはPointNav、ObjectNav、ImageNavを統合し、より多様な環境とタスクをカバー。 - 大規模データセットFloVerse-1.6Kを提供し、floor planの空間事前情報の有効性を広範に検証。

3. 技術・手法の肝は?

- ThreeDiffは2段階のimitation learning policy。 - planner: 計画を生成。 - diffusion-based multimodal goal-reasoning module: masked-modality modelingで訓練。 - refiner: depth-based trajectory-refinement moduleで安全な実行を実現。 - floor planを空間事前情報として利用。

4. どうやって有効だと検証した?

- 広範な実験を実施。 - floor planの事前情報が全てのgoal modalityでナビゲーション性能を向上させることを示した。 - ThreeDiffがfloor planから空間情報を暗黙的に獲得することを確認。 - これらの結果が空間事前情報の有効性と統合アプローチを検証。

5. 議論はある?

- 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: 従来のfloor plan-guided navigation (PointNavに焦点)。 - 関連手法: PointNav, ObjectNav, ImageNav, HM3D, Gibson 4+。 - 同分野の定番: 特に無し。

※ 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: Weiqi Huang, Shuangyi Dong, Jiaxin Li, Yifei Guo, Zan Wang, Wei Liang

分類: cs.RO

原文アブストラクト

Floor plans encapsulate compact spatial priors, enabling agents to navigate unseen scenes more efficiently. While prior work has explored floor plan-guided navigation, it has focused mainly on PointNav and a limited set of environments. To bridge this gap, we introduce FloVerse, a new task for floor plan-guided embodied navigation that unifies PointNav, ObjectNav, and ImageNav. To support FloVerse, we assemble FloVerse-1.6K, a large-scale dataset of 1.6K scenes from HM3D and Gibson 4+, paired with corresponding floor plans, comprising 240K expert trajectories and 12M RGBD frames. We further propose ThreeDiff, a two-stage imitation learning policy comprising a planner, a diffusion-based multimodal goal-reasoning module trained via masked-modality modeling, and a refiner, a depth-based trajectory-refinement module for safe execution. Extensive experiments demonstrate that (1) floor-plan priors improve navigation performance across all goal modalities, and (2) ThreeDiff implicitly captures spatial information from floor plans. These results underscore the effectiveness of spatial priors and validate our proposed unified approach for floor plan-guided embodied navigation.

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. 3GXO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
  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