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:2609.06424

OVMAN: オープンボキャブラリの動作認識ナビゲーションのためのタスクとベンチマーク

OVMAN: A Task and Benchmark for Open-Vocabulary Motion-Aware Navigation

シェア:XThreadsFacebookLINEはてブBluesky

家の変化を利用して、移動した椅子や以前あった花瓶の場所など、変化に基づく目標へのナビゲーションを評価する新しいタスクとベンチマークを提案。

詳しい要約

1. どんなもの?

OVMANは、ロボットがシーンを見学した後、スクリプト化された変化が生じた後に戻り、その変化自体によって指定された目標へナビゲーションするタスクとベンチマークである。6つの変化関係のうち2つは、物体が移動した場所(何も検出されない場所)へのナビゲーションを要求する。219の2回訪問エピソードが提供され、それぞれオラクルエージェントによって3回完了可能であることが保証されている。

2. 先行研究と比べてどこがすごい?

既存のナビゲーションベンチマークは、現在の視界内の目標を設定するか、2回訪問型でも再配置や想起を評価するものであり、移動した椅子や花瓶があった場所への移動といった変化に基づく目標を表現できない。OVMANは、変化そのものを目標指定に用いる点で新規であり、特に物体が存在しない場所へのナビゲーションを扱う点が先行研究と異なる。

3. 技術・手法の肝は?

手法の肝は、タスク設計とベンチマークの構築にある。具体的には、6種類の変化関係(例:移動、除去)を定義し、各エピソードでオラクルエージェントが3回完了できることを保証する。また、ゼロショット物体目標ナビゲータと自己維持型オープンボキャブラリマップという2つのシステムを評価し、エラー分解により困難の原因を特定する。

4. どうやって有効だと検証した?

有効性は、219のエピソードをオラクルエージェントで検証し、2つの公開システム(ゼロショット物体目標ナビゲータと自己維持型オープンボキャブラリマップ)を評価した。ゼロショット物体目標ナビゲータは変化定義目標への到達率11.4%、空いた場所への到達率はほぼ0%だった。自己維持型マップは過去時制クエリに対して、2回訪問として読んだ場合の約3分の1の成功率だった。単純な2回訪問参照エージェントは45.2%の成功率で、オラクルは99.5%だった。

5. 議論はある?

エラー分解により、残る困難は幾何学や位置が分かった後の選択ではなく、オープンボキャブラリのインスタンス接地にあるとされる。しかし、要旨からは、この分解の詳細や、他の可能性(例えば、変化の検出自体の難しさ)についての議論は不明である。また、ベンチマークの限界や、実世界での適用可能性についての議論は要旨に含まれていない。

6. 次に読むべき論文は?

要旨で参照されている関連研究として、zero-shot object-goal navigation、self-maintaining open-vocabulary map、two-visit reference agentが挙げられる。また、同分野の定番として、Object Goal NavigationやSemantic Map-based Navigationに関する論文が考えられるが、具体的なタイトルは要旨からは不明である。

※ 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: Dibyendu Ghosh

分類: cs.RO

原文アブストラクト

Homes change between a robot's visits. Navigation benchmarks pose their goals in the world the agent currently sees, and the two-visit benchmarks that exist score recall or rearrangement rather than navigation. None of them can express go to the chair that was moved or go to where the vase used to be. OVMAN is a task in which an agent tours a scene, returns after a scripted change, and must navigate to a goal specified by the change itself. Two of its six change relations answer with a place an object has left, where nothing remains to be detected. We release 219 two-visit episodes, each certified solvable by an oracle agent that completes it three times. Two released systems fail as predicted. A zero-shot object-goal navigator reaches the change-defined target in 11.4% of episodes and essentially fails at vacated locations, 0.000 on former and 0.025 on removed. A self-maintaining open-vocabulary map answers past-tense queries at about a third of the rate of the same maps read as two visits, even when grounding is supplied. A simple two-visit reference agent reaches 45.2% when navigating, against an embodied oracle of 99.5%. An error decomposition places the remaining difficulty in open-vocabulary instance grounding rather than in geometry or in selecting the answer once positions are known.

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

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