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:2607.13072

HRO: 大規模言語モデルを用いたゼロショット物体ゴールナビゲーションのための階層的部屋から物体へのフレームワーク

HRO: Hierarchical Room-to-Object Framework for Zero-Shot Object Goal Navigation with Large Language Models

シェア:XThreadsFacebookLINEはてブBluesky

大規模言語モデルを階層的に活用し、部屋の意味理解から物体の位置特定へと粗密に探索を導くことで、ゼロショット物体ゴールナビゲーションの成功率と汎化性を向上させた。

詳しい要約

1. どんなもの?

- ゼロショット物体ゴールナビゲーション(Zero-shot Object Goal Navigation)のためのLLM駆動型階層的フレームワーク「HRO」を提案。 - 未知カテゴリの物体を未知環境で探索・ナビゲートするタスクを対象。 - 部屋から物体への階層的な空間認知モデリングを行い、粗から細への探索を実現。

2. 先行研究と比べてどこがすごい?

- 既存のLLMベースゼロショットナビゲーション手法は、LLMを平坦な推論ツールとしてのみ利用し、物体や領域を直接関連付けていた。 - それに対し、HROは人間のような部屋意味論から物体位置推定への階層的空間認知モデリングを導入。 - これにより探索の盲目的性、意味的関連付けの不正確さを改善し、LLMの常識推論能力を最大限に引き出す。

3. 技術・手法の肝は?

- LLMを駆動源とし、部屋レベルから物体レベルへの階層的推論を行う。 - 粗から細への段階的ナビゲーション(coarse-to-fine manner)を実現。 - 具体的なアルゴリズムやモジュール構成は要旨からは不明。

4. どうやって有効だと検証した?

- GibsonおよびHM3Dデータセット上で実験を実施。 - 既存のLLMベース手法と比較して、成功率と汎化性能が優れていることを確認。 - ゼロショット物体ゴールナビゲーションにおけるLLMの可能性を示した。

5. 議論はある?

- 要旨からは不明。

6. 次に読むべき論文は?

- 既存のLLMベースゼロショット物体ゴールナビゲーション手法(具体的名称は要旨に記載なし)。 - 関連するデータセット:Gibson, HM3D。 - 同分野の定番手法:Semantic Mapping, Reinforcement Learning based Navigation。

※ 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: Luyuan Jia, Yinfeng Yu

分類: cs.RO, cs.AI, eess.SP

原文アブストラクト

Zero-shot object-goal navigation aims to enable an intelligent agent to explore and navigate to objects of unknown categories in an unfamiliar environment without specific target training. In zero-shot navigation tasks, pre-trained large models are usually employed to leverage their prior knowledge for guiding the agent's navigation. However, existing zero-shot object-goal navigation methods based on large language models (LLMs) merely utilize LLMs as flat reasoning tools to directly associate objects or regions. They lack the hierarchical spatial cognition modeling of human-like room semantics to object localization, which leads to strong blindness in exploration, insufficient accuracy in semantic association, and failure to fully unleash the common-sense reasoning potential of LLMs. This paper proposes an LLM-driven hierarchical room-to-object (HRO) framework for zero-shot object-goal navigation, which guides the agent to explore and navigate to the target object in a coarse-to-fine manner. Experiments on Gibson and HM3D datasets verify that our HRO framework achieves superior success rate and generalization over existing LLM-based methods, underscoring LLMs' strong potential for zero-shot object-goal 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. 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