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:2606.29934

RoamFlow: 強化学習で整列した一段階アクション平均フローポリシーによる画像ゴールナビゲーション

RoamFlow: Reinforcement-Aligned One-Step Action MeanFlow Policy for Image-Goal Navigation

シェア:XThreadsFacebookLINEはてブBluesky

画像ゴールナビゲーションのための生成モデルRoamFlowを提案。平均フローを用いて軌道生成を効率化し、模倣学習と強化学習の二段階訓練で性能を向上させた。

詳しい要約

1. どんなもの?

- 画像目標ナビゲーション(Image-goal navigation)のための生成ナビゲーションフレームワーク「RoamFlow」を提案。 - エージェントは目標画像のみで指定された目標に到達する必要がある。 - MeanFlowを活用して平均速度場を予測し、軌道合成を行うことで、効率的な少数ステップ生成と推論遅延の削減を実現。 - 二段階訓練戦略を採用:専門家模倣による安定した初期化と、強化学習によるタスク固有のポリシー洗練。 - Habitatシミュレーションと実世界ロボットプラットフォームでの実験で、リアルタイム制約下での効率的な推論と強いナビゲーション性能を実証。

2. 先行研究と比べてどこがすごい?

- 既存の強化学習アプローチは知覚観測を直接行動にマッピングするが、長期的な依存関係のモデル化に苦戦し、しばしば最適でない軌道を生成する。 - RoamFlowは生成ナビゲーションフレームワークにより、この制限に対処。 - MeanFlowを用いて平均速度場を予測し、効率的な少数ステップ生成と推論遅延の削減を実現。 - 二段階訓練戦略により、安定した初期化とタスク固有のポリシー洗練を両立。 - リアルタイム制約下での効率的な推論と強いナビゲーション性能を維持。

3. 技術・手法の肝は?

- MeanFlowを活用して平均速度場を予測し、軌道合成を行う生成ナビゲーションフレームワーク。 - これにより効率的な少数ステップ生成と推論遅延の削減を実現。 - 二段階訓練戦略:第一段階で専門家模倣による安定した初期化、第二段階で強化学習によるタスク固有のポリシー洗練。 - 具体的なネットワークアーキテクチャやアルゴリズムの詳細は要旨からは不明。

4. どうやって有効だと検証した?

- Habitatシミュレーションと実世界ロボットプラットフォームの両方で実験を実施。 - 効率的な推論とリアルタイム制約下での強いナビゲーション性能を実証。 - 具体的な評価指標やベースラインとの比較詳細は要旨からは不明。

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。 - 関連手法として、MeanFlow、強化学習ベースのナビゲーション、専門家模倣(imitation learning)が挙げられる。 - 同分野の定番として、HabitatシミュレータやImage-goal navigationのベンチマークに関する論文が考えられる。

※ 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: Zixuan Zhang, Yuqi Chen, Junjie Gao, Siyuan Song, Yongzhou Pan, Beichen Wang, Mir Feroskhan

分類: cs.RO

原文アブストラクト

Image-goal navigation is a key challenge in embodied robotics, where an agent must reach a target specified solely by a goal image. While existing reinforcement learning approaches map perceptual observations directly to actions, they struggle to model long-horizon dependencies, often leading to suboptimal trajectories. To address this limitation, we propose RoamFlow, a generative navigation framework that leverages MeanFlow to predict the average velocity field for trajectory synthesis, enabling efficient few-step generation and reducing inference latency. We further adopt a two-stage training strategy that combines expert imitation for stable initialization with reinforcement learning for task-specific policy refinement. Extensive experiments in both Habitat simulation and real-world robotic platforms demonstrate that RoamFlow achieves efficient inference while maintaining strong navigation performance under real-time constraints.

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

FRONTIER(GPU搭載BTOパソコン)

FRONTIER(GPU搭載BTOパソコン)の公式広告バナーFRONTIERでGPU搭載PCを見る ↗
PR本紙発行元 EmplifAI