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:2608.10817

AECNav: 効率的なゼロショットオープンボキャブラリ物体ナビゲーションのための能動的証拠統合

AECNav: Active Evidence Consolidation for Efficient Zero-Shot Open-Vocabulary Object Navigation

シェア:XThreadsFacebookLINEはてブBluesky

ゼロショット物体ナビゲーションを証拠駆動の認識から意思決定への問題として再構成し、共有エンコーディングとクラスタレベルの信念統合、情報利得に基づく能動的探索により、高精度かつ低遅延なナビゲーションを実現した。

詳しい要約

1. どんなもの?

AECNavは、ゼロショット物体目標ナビゲーション(ZSON)を、証拠駆動の知覚から意思決定への問題として再構成した、トレーニング不要のパイプラインである。3つのコンポーネントから構成される: i) 証拠ゲート知覚(Evidence-gated perception)は、全推論段階で共有エンコーディングを用い、冗長な計算を排除する。ii) 証拠統合(Evidence consolidation)は、検出結果をクラスタレベルの対数オッズ信念に集約し、真の目標支持と視覚的に類似する妨害物による誤信頼を分離し、期待検出の欠如を負の証拠として扱う。iii) 能動的証拠獲得(Active evidence acquisition)は、弱い意味的手がかりの下で、情報利得を最大化し移動コストを最小化するフロンティアを選択することで、生産的な探索を維持する。

2. 先行研究と比べてどこがすごい?

従来のZSON手法は、冗長な知覚パイプラインと信頼できる目標確認のための証拠不足により、高レイテンシと限られた精度に悩まされていた。AECNavは、共有エンコーディングによる計算削減、クラスタレベルの対数オッズ信念による妨害物との明確な分離、負の証拠の活用、情報利得と移動コストのトレードオフを考慮した能動的探索により、これらの問題を解決し、成功率と推論オーバーヘッドの両方で大幅な改善を達成している。

3. 技術・手法の肝は?

手法の肝は、3つのコンポーネントの統合にある。まず、Evidence-gated perceptionは、すべての推論段階で共有エンコーディングを使用し、冗長な計算を排除する。次に、Evidence consolidationは、検出結果をクラスタレベルの対数オッズ信念に集約し、真の目標支持と視覚的に類似する妨害物による誤信頼を分離し、期待検出の欠如を負の証拠として扱う。最後に、Active evidence acquisitionは、弱い意味的手がかりの下で、情報利得を最大化し移動コストを最小化するフロンティアを選択することで、生産的な探索を維持する。

4. どうやって有効だと検証した?

HM3D-v2、HM3D-OVON、MP3Dの3つのベンチマークで評価し、成功率84.7%、57.3%、51.3%を達成し、従来手法を大幅に上回った。また、推論オーバーヘッドを大幅に削減し、物理的四足ロボットで40回の試行中95%の成功率を約5Hzで達成した。

5. 議論はある?

要旨からは、議論や限界についての詳細は不明である。ただし、成功率が高い一方で、実世界でのロバスト性や、より複雑な環境でのスケーラビリティに関する議論が考えられる。また、トレーニング不要であるが、共有エンコーディングの品質に依存する可能性がある。

6. 次に読むべき論文は?

要旨で参照されている先行研究や関連手法は明示されていないが、ZSONの分野では、オープンボキャブラリ物体検出(例えば、CLIPやGrounding DINO)や、物体目標ナビゲーションのための強化学習手法(例えば、SemExpやPONI)が関連する。また、能動的探索や情報利得に基づくナビゲーション手法も関連する。

※ 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: Guanlin Liu, Shaobin Ling, Renyuan Liu, Zeying Gong, Junjie Hu

分類: cs.RO

原文アブストラクト

Zero-shot object-goal navigation (ZSON) in open-vocabulary scenarios is challenging, as it requires a robot to locate an arbitrarily specified object in an unseen environment without task-specific training. Currently, the task still suffers from high latency and limited accuracy due to redundant perception pipelines and insufficient evidence for reliable target confirmation. In this letter, we reframe ZSON as an evidence-driven perception-to-decision problem and present AECNav, a training-free pipeline built on three components: i) Evidence-gated perception, which utilizes a shared encoding across all reasoning stages to establish a unified semantic basis and eliminate redundant computations; ii) Evidence consolidation, which aggregates detections into cluster-level log-odds beliefs. This explicitly separates genuine target support from the false confidence of visually similar distractors, while treating the absence of expected detections as negative evidence; and iii) Active evidence acquisition, which sustains productive exploration under weak semantic cues by selecting frontiers that maximize information gain at minimal traversal cost. As a result, AECNav significantly outperforms previous methods and achieves state-of-the-art success rates of 84.7%, 57.3%, and 51.3% on HM3D-v2, HM3D-OVON, and MP3D, respectively, with substantially lower inference overhead, and attains 95% success across 40 trials on a physical quadruped robot at roughly 5Hz. Code will be made publicly available upon acceptance.

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