日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

能動的探索/アフォーダンス接地arXiv:2608.12683

FUSE: 適応的意味・幾何学的証拠獲得による能動的機能的アフォーダンス接地

FUSE: Active Functional Affordance Grounding through Adaptive Semantic-Geometric Evidence Acquisition

シェア:XThreadsFacebookLINEはてブBluesky

エージェントが機能に基づいて物体を識別・接地するため、不確実性駆動の探索と学習型プランナーを組み合わせて視点を選択する能動的機能的アフォーダンス接地フレームワークFUSEを提案し、Habitatベースのベンチマークで評価した。

詳しい要約

1. どんなもの?

本論文は、身体化エージェントが機能に基づいて物体を識別・操作するための新しいタスク「Active Functional Affordance Grounding」を提案している。エージェントはシーンを逐次的に探索し、機能的なクエリを満たす物体を特定し、空間的に接地する。提案手法FUSEは、不確実性駆動の明示的探索と学習されたamortized plannerを組み合わせ、情報量の高い視点を効率的に選択する。また、Habitatベースのベンチマークを導入し、評価を行っている。

2. 先行研究と比べてどこがすごい?

既存のaffordance grounding手法は固定視点から観測し、機能的手がかりが遮蔽されたり不完全な場合にどこを見るべきかを決定するメカニズムが欠如している。本研究は、能動的な視点選択を導入することで、この問題に取り組む点が新しい。また、明示的探索と学習されたプランナーを適応的に組み合わせることで、計算効率と性能のバランスを実現している。

3. 技術・手法の肝は?

FUSEは、明示的な不確実性駆動探索と学習されたamortized plannerを組み合わせた適応的意味・幾何学的証拠獲得フレームワークである。具体的には、現在の観測から物体の機能的手がかりの不確実性を推定し、その不確実性を低減する視点を選択する。amortized plannerは過去の探索経験から学習され、高速な視点提案を行う。これらを適応的に切り替えることで、効率的な探索を実現する。

4. どうやって有効だと検証した?

Habitatベースのベンチマークを構築し、提案手法FUSEを評価した。実験では、FUSEが非オラクル接地性能で最高を達成し、完全に明示的な探索と比較して計算量を1.33倍削減した。また、複数のaffordance知識ソースに対して有効であることを示した。

5. 議論はある?

要旨からは、オラクル性能との差や、実世界での適用可能性、探索戦略の一般性などに関する議論は不明である。また、ベンチマークの規模や多様性、他のタスクへの応用についても言及がない。

6. 次に読むべき論文は?

要旨で参照されている関連研究として、affordance groundingの既存手法、能動的視点選択(active viewpoint selection)、Habitatシミュレータを用いた embodied AI 研究などが挙げられる。具体的には、固定視点からのaffordance grounding手法や、不確実性駆動の探索手法、学習ベースの探索プランナーに関する論文が関連する。

※ 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: Zhou Chen, Sathyanarayanan N. Aakur

分類: cs.RO, cs.CV

原文アブストラクト

Embodied agents must often identify and interact with objects based on their function rather than their identity, requiring them to actively acquire observations that reveal discriminative functional evidence. Existing affordance grounding methods operate from fixed viewpoints and lack mechanisms for deciding where to look when functional cues are occluded or incomplete. We introduce Active Functional Affordance Grounding, a new task in which an agent sequentially explores a scene to identify and spatially ground an object satisfying a functional query. To address this problem, we propose FUSE, an adaptive semantic-geometric evidence acquisition framework that combines explicit uncertainty-driven exploration with a learned amortized planner to efficiently select informative viewpoints. We further introduce a Habitat-based benchmark for evaluating active functional grounding. Experiments show that FUSE achieves the highest observed non-oracle grounding performance while reducing computation by 1.33x relative to fully explicit exploration, and remains effective across multiple affordance knowledge sources.

  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

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