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:2607.11638

DA-Nav: 方向認識型の都市規模視覚言語ナビゲーション

DA-Nav: Direction-Aware City-Scale Vision-Language Navigation

シェア:XThreadsFacebookLINEはてブBluesky

市街地規模の屋外ナビゲーションを、商用ナビの方向指示を利用して、自己中心視画像上の離散的な空間接地問題として再構成し、軌道回復を可能にするフレームワークを提案した。

詳しい要約

1. どんなもの?

- 都市規模の屋外ナビゲーションを対象とした Direction-Aware vision-language Navigation フレームワーク DA-Nav を提案。 - 商業ナビツール(例:Google Maps)の方向指示を活用し、egocentric 2D 画像平面上の離散的な spatial grounding 問題として再定式化。 - 長期的な誤差蓄積を緩和するため、trajectory recovery を組み込む。 - ReDA データセットを導入し、direction-aware 指示と recovery trajectories を提供。 - CARLA での実験で未見都市環境における成功率 56.16% を達成。 - 四足歩行ロボットとヒューマノイドロボットに fine-tuning なしで適応し、実世界でキロメートル規模の閉ループ屋外ナビゲーションを実現。

2. 先行研究と比べてどこがすごい?

- 従来の都市規模屋外ナビゲーションは高密度マップや高コストなナビゲーション監督に強く依存していた。 - DA-Nav は商業ナビツールの方向指示を活用することで、これらの依存を軽減。 - 既存の State-of-the-Art (SoTA) 手法を上回る成功率 56.16% を未見都市環境で達成。 - さらに、既存手法よりも大幅に強い recovery 能力を維持。 - fine-tuning なしで異なるロボット(四足歩行、ヒューマノイド)に適応可能。

3. 技術・手法の肝は?

- ナビゲーションを egocentric 2D 画像平面上の離散的な spatial grounding 問題として再定式化。 - trajectory recovery のために Chain-of-Thought (CoT) 推論プロセスを採用。 - CoT は deviation assessment、action prediction、target grid selection から構成。 - ReDA データセットが direction-aware 指示と recovery trajectories を提供し、spatial grounding と CoT recovery 推論を強化。

4. どうやって有効だと検証した?

- CARLA シミュレータで広範な実験を実施。 - 未見都市環境において成功率 56.16% を達成し、既存 SoTA 手法を上回ることを確認。 - 既存手法よりも大幅に強い recovery 能力を維持することを示した。 - fine-tuning なしで四足歩行ロボットとヒューマノイドロボットに適応し、複雑な実世界環境でキロメートル規模の閉ループ屋外ナビゲーションが安定して可能であることを実証。

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や関連手法:Google Maps、CARLA、State-of-the-Art (SoTA) 手法。 - 同分野の定番:Vision-Language Navigation (VLN)、Chain-of-Thought (CoT) 推論、spatial grounding、trajectory recovery。

※ 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: Ye Yuan, Kehan Chen, Xinqiang Yu, Wentao Xu, Heng Wang, Libo Huang, Chuanguang Yang, Yan Huang, Jiawei He, Zhulin An

分類: cs.RO

原文アブストラクト

City-scale outdoor navigation is currently hindered by the heavy reliance on dense maps or costly navigation supervision. In this work, we introduce a novel paradigm for leveraging directional instructions from commercial navigation tools (e.g., Google Maps). To bridge the gap between commercial instructions and executable navigation actions, while mitigating long-horizon error accumulation through robust trajectory recovery, we propose DA-Nav, a Direction-Aware vision-language Navigation framework that reformulates navigation as a discrete spatial grounding problem on the egocentric 2D image plane. To achieve trajectory recovery, DA-Nav employs a Chain-of-Thought (CoT) reasoning process encompassing deviation assessment, action prediction, and target grid selection. We further introduce ReDA, a dataset that provides direction-aware instructions and recovery trajectories to enhance spatial grounding and support CoT recovery reasoning. Extensive experiments in CARLA demonstrate that DA-Nav achieves a high success rate of 56.16% in unseen urban environments, outperforming existing State-of-The-Art (SoTA) methods while maintaining a substantially stronger recovery capability. Furthermore, without fine-tuning, DA-Nav seamlessly adapts to both quadruped and humanoid robots, enabling stable kilometer-scale closed-loop outdoor navigation in complex real world environments.

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