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:2607.19850

SOPD-SocialNav: 視覚言語ソーシャルナビゲーションのための選択的オンポリシー蒸留

SOPD-SocialNav: Selective On-Policy Distillation for Vision-Language Social Navigation

シェア:XThreadsFacebookLINEはてブBluesky

大規模な視覚言語モデルから軽量な学生モデルへ、エントロピーに基づくトークン選択と温度制御付きJSダイバージェンスを用いて社会的ナビゲーション知識を蒸留する手法を提案。実機ロボットでの検証も行った。

詳しい要約

1. どんなもの?

本論文は、Vision-Language Model (VLM) を用いたソーシャルナビゲーション(社会的文脈を考慮したロボットナビゲーション)のための知識蒸留手法を提案している。具体的には、大規模な教師VLMから軽量な生徒VLMへ、社会的ナビゲーション知識を選択的に転移するSelective On-Policy Distillation (SOPD) 法を導入する。エントロピーに基づくトークン選択機構と温度制御付きJensen-Shannon Divergenceを用いて、教師の不確実性が高い社会的に情報価値のあるトークンに焦点を当てて蒸留を行う。

2. 先行研究と比べてどこがすごい?

従来の知識蒸留手法(教師なし蒸留、オフポリシー蒸留、標準のオンポリシー蒸留)と比較して、SOPDはエントロピーに基づくトークン選択により、社会的に重要な決定トークンに選択的に蒸留を行う点が新しい。また、低エントロピー(自明なナビゲーション状態)のトークンからの勾配を抑制することで、蒸留の効率と性能を向上させている。大規模VLMの展開が難しいリソース制約のあるロボットプラットフォーム向けに、軽量でありながら社会的推論能力を維持するモデルを構築できる点が優れている。

3. 技術・手法の肝は?

手法の核心は、選択的オンポリシー蒸留(SOPD)である。まず、教師VLMの不確実性(エントロピー)を用いて、社会的に情報価値のある決定トークンを特定する。次に、低エントロピー(自明な状態)のトークンからの勾配を抑制し、選択されたトークンに対して温度制御付きJensen-Shannon Divergenceを用いて生徒と教師の分布を整列させる。これにより、教師の知識を効率的に生徒に転移する。

4. どうやって有効だと検証した?

SNEIおよびMUSONベンチマークを用いて、行動予測、知覚一貫性、推論一貫性の指標で、教師なし微調整、オフポリシー蒸留、標準オンポリシー蒸留のベースラインと比較し、SOPDが一貫して優れていることを示した。さらに、Scout Miniロボットを用いた実世界展開実験を行い、会話シナリオや待ち行列シナリオにおいて、蒸留されたモデルがより社会的に適切なナビゲーション行動を生成できることを実証した。

5. 議論はある?

要旨からは、SOPDの有効性は示されているが、限界や議論については明記されていない。例えば、エントロピー閾値の設定や温度パラメータの感度、異なるタスクや環境への一般化可能性、教師モデルの選択による影響などが考えられるが、要旨からは不明である。また、実世界実験は特定のシナリオに限定されており、より多様な社会的状況での評価が必要かもしれない。

6. 次に読むべき論文は?

要旨で参照されているベンチマークはSNEIとMUSONであり、これらに関連する論文が次に読むべき候補である。また、関連手法として、オフポリシー蒸留や標準オンポリシー蒸留の基礎となる知識蒸留の一般的な研究(例:Hinton et al.の蒸留)や、Vision-Language Modelを用いたナビゲーション研究(例:LM-Nav, ViNG)が挙げられる。具体的な論文名は要旨にないため、同分野の定番を一般名で示す。

※ 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: Xinyu Zhang, Zishuo Wang, Ling Xiao

分類: cs.RO

原文アブストラクト

Vision-language models have shown strong potential for social robot navigation by leveraging rich semantic understanding of complex environments and human behaviors. However, large scale VLMs are difficult to deploy on resource-constrained robotic platforms, while lightweight VLMs often lack sufficient social reasoning capability. To address this problem, we propose SOPD-SocialNav, a selective on-policy distillation (SOPD) method that transfers social navigation knowledge from a large teacher VLM to a lightweight student VLM. SOPD introduces an entropy-based token selection mechanism that uses teacher uncertainty to identify socially informative decision tokens, while suppressing gradients from low-entropy tokens corresponding to trivial navigation states. A temperature-controlled Jensen-Shannon divergence objective is then used to align the student and teacher distributions on the selected tokens. Experiments on the SNEI and MUSON benchmarks demonstrate that SOPD consistently outperforms supervised fine-tuning, off-policy distillation, and standard on-policy distillation baselines in action prediction, perception consistency, and reasoning consistency. Real-world deployment on a Scout Mini robot further shows that the distilled model can generate more socially appropriate navigation behaviors in conversational and queuing scenarios. These results suggest that SOPD is an effective strategy for building lightweight yet socially aware VLM-based navigation systems.

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