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:2606.24101

NavWM: 先読み計画のための統合ナビゲーションワールドモデル

NavWM: A Unified Navigation World Model for Foresight-Driven Planning

シェア:XThreadsFacebookLINEはてブBluesky

ナビゲーションのための統合ワールドモデルを提案し、潜在世界トークンによる幾何・意味理解と、多様な行動予測による閉ループ計画を実現した。

詳しい要約

1. どんなもの?

- 統合ナビゲーション世界モデル NavWM を提案 - 潜在世界推論、マルチモーダル行動予測、制御可能な視覚生成を統合 - エージェントに構造的理解を与える - 多様な行動空間を生成し、視覚的先見で最適経路を選択する閉ループプランナーとして機能 - ロボティクスデータセットで高忠実度未来状態生成とゼロショットナビゲーション成功を改善

2. 先行研究と比べてどこがすごい?

- 従来の視覚ナビゲーションポリシーは近視眼的決定とモード崩壊に苦しむ - 既存の世界モデルは知覚・生成・制御を分離し、共有時空間ダイナミクスを捉えられない - NavWM はこれらを統合し、潜在世界トークンで幾何・意味事前を蒸留 - 決定論的ポリシーの限界を克服するため、アンカーベースのマルチモーダル軌道予測を導入 - 生成世界モデルを堅牢な閉ループプランナーとして活用

3. 技術・手法の肝は?

- 潜在世界トークンで幾何・意味事前を蒸留し、構造的理解を実現 - アンカーベースのマルチモーダル軌道予測フレームワークで多様な行動空間を生成 - 生成世界モデルが視覚的先見を利用して最適経路を評価・選択する閉ループプランナーとして機能 - 潜在世界推論、マルチモーダル行動予測、制御可能な視覚生成を統合

4. どうやって有効だと検証した?

- 多様なロボティクスデータセットで実験 - 高忠実度未来状態生成とゼロショットナビゲーション成功において最先端を大幅に改善 - 具体的なデータセット名や評価指標は要旨からは不明

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は明示されていない - 同分野の定番として World Models, Visual Navigation, Model-Based Reinforcement Learning, Latent Dynamics Models などが挙げられる

※ 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: Yanghong Mei, Longteng Guo, Ming-Ming Yu, Guiyu Zhao, Xingjian He, Jing Liu

分類: cs.RO, cs.CV

原文アブストラクト

Conventional visual navigation policies often struggle with myopic decision-making and mode collapse in complex environments. While world models offer a promising alternative, existing paradigms typically isolate perception, generation, and control, failing to capture their shared spatio-temporal dynamics. In this paper, we propose NavWM, a unified navigation world model that seamlessly integrates latent world reasoning, multimodal action prediction, and controllable visual generation. At its core, NavWM leverages latent world tokens to distill geometric and semantic priors, endowing the agent with robust structural understanding. To overcome the limitations of deterministic policies, we introduce an anchor-based multimodal trajectory forecasting framework that generates a diverse action space. This inherent diversity explicitly empowers the generative world model to act as a robust closed-loop planner, utilizing visual foresight to evaluate and select the optimal path. Extensive experiments across diverse robotics datasets demonstrate that NavWM significantly advances the state-of-the-art, delivering remarkable improvements in both high-fidelity future state generation and zero-shot navigation success.

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