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:2607.19880

EA-Nav: 身体性を考慮した安全な視覚ナビゲーションポリシーの学習

EA-Nav: Learning Safe Visual Navigation Policies with Embodiment Awareness

シェア:XThreadsFacebookLINEはてブBluesky

異なる身体性を持つエージェント間でのナビゲーション性能を向上させるため、模倣学習に基づく身体性認識フレームワークを提案し、身体形状を条件付けトークンとして導入して行動の曖昧性を低減し、軌道拡張で高リスクサンプルを生成して安全なナビゲーションを実現した。

詳しい要約

1. どんなもの?

EA-Navは、異なる身体性(embodiment)を持つエージェントの視覚ナビゲーションを学習するための、模倣学習ベースのフレームワークである。モジュール型の多段階設計を採用し、事前学習ではインターネット動画からクロスエンボディメントのナビゲーションデータセットを構築し、身体性の幾何学を条件付けトークンとして導入することで、同一の視覚観察下での行動の曖昧さを低減する。微調整段階では、分離アーキテクチャに基づくマルチモーダル情報注入機構を設計し、軌跡拡張戦略により高リスクサンプルを生成して、空間知覚とリスク認識補正を別々に訓練することで、安全なナビゲーションを実現する。

2. 先行研究と比べてどこがすごい?

既存のクロスエンボディメントナビゲーション研究は主に強化学習に依存しており、大規模なインタラクションと慎重な報酬設計が必要で、スケーラブルな事前学習や実世界適応が困難である。一方、模倣学習ベースのアプローチは限定的である。EA-Navは模倣学習に基づき、身体性の幾何学を明示的に組み込むことで、同一観察下での行動の曖昧さを解決し、大規模なインタラクションや報酬設計を必要としない点が新しい。

3. 技術・手法の肝は?

手法の肝は、モジュール型多段階設計と身体性幾何学の明示的な組み込みにある。事前学習では、インターネット動画からクロスエンボディメントデータセットを構築し、身体性の幾何学を条件付けトークンとして導入する。微調整では、分離アーキテクチャに基づくマルチモーダル情報注入機構を設計し、軌跡拡張戦略で高リスクサンプルを生成して、空間知覚とリスク認識補正を別々に訓練する。これにより、身体性の幾何学を安全ナビゲーションに明示的に組み込む。

4. どうやって有効だと検証した?

実験では、異なる身体性設定でのナビゲーション性能を評価し、提案手法がナビゲーション性能を効果的に向上させることを示した。具体的な評価指標や比較ベースラインは要旨からは不明であるが、クロスエンボディメント設定での有効性が確認されている。

5. 議論はある?

要旨からは、提案手法の限界や潜在的な問題についての議論は不明である。また、実世界での適応性や、他のタスクへの一般化についての考察も要旨には含まれていない。

6. 次に読むべき論文は?

要旨で参照されている研究は明示されていないが、関連する分野として、クロスエンボディメントナビゲーション、模倣学習、強化学習に基づくナビゲーション手法が挙げられる。具体的には、'Learning to Navigate from Internet Videos'や'Embodied Navigation'に関する研究が関連する。

※ 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: Jialu Zhang, Yong Du, Xianda Guo, Shunwang Sun, Xinqi Liu, Yue Sun, Guodong Lu, Wei Sui, Jituo Li

分類: cs.RO, cs.CV

原文アブストラクト

Cross-embodiment navigation is a key challenge in embodied intelligence. Due to differences in embodiment, the same visual observation may imply different actions for different agents, making prediction ambiguous when relying solely on vision. Existing studies mainly rely on reinforcement learning, which requires large-scale interaction and careful reward design, making it difficult to support scalable pretraining and real-world adaptation. In contrast, imitation-learning-based approaches remain limited. To address these challenges, we propose an imitation-learning-based embodiment-aware navigation framework with a modular multi-stage design. In pretraining, we construct a cross-embodiment navigation dataset from Internet videos and introduce embodiment geometry as conditional tokens to reduce action ambiguity under the same observation. In fine-tuning, we design a multimodal information injection mechanism based on a decoupled architecture. Specifically, we design a trajectory augmentation strategy to generate high-risk samples, which are used to train spatial perception and risk-aware correction separately, thereby explicitly incorporating embodiment geometry for safe navigation. Experimental results show that the proposed method effectively improves navigation performance across different embodiment settings, demonstrating the effectiveness of incorporating embodiment geometry into embodied 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