日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

マルチエージェントVLNarXiv:2609.35965

マルチエージェント視覚言語ナビゲーションの体系化:定式化・ベンチマーク・手法

Systematic Multi-Agent Vision-and-Language Navigation: Formulation, Benchmark, and Method

シェア:XThreadsFacebookLINEはてブBluesky

複数ロボットが依存関係や資源制約のあるサブタスクを協調してこなす視覚言語ナビゲーションを初めて体系的に定式化し、大規模ベンチマークMAVLNと協調型ナビシステムTRISSを提案した論文。

詳しい要約

1. どんなもの?

- 複数エージェントによる Vision-and-Language Navigation (VLN) を扱う研究。 - 各ミッションは依存関係と資源制約 (presence locks, holding chains) を持つサブタスクで構成される。 - これを制約付き協調問題として初めて体系的に定式化。 - ベンチマーク MAVLN を構築: 145 シーン、11,724 エピソード、最大 4 エージェント、3 つの指示レジーム。 - 制約を考慮した評価指標も提案。 - 協調対応のナビゲーションシステム TRISS も提示。

2. 先行研究と比べてどこがすごい?

- 従来の VLN は単一エージェントが単一指示に従う設定が中心。 - 本研究は複数ロボットのチームによるタスクを対象とし、単一エージェントでは不可能な課題に取り組む。 - マルチエージェント VLN を制約付き協調問題として初めて体系的に定式化した点が新しい。 - 依存関係や資源制約 (presence locks, holding chains) を明示的に扱う点が先行研究と異なる。 - 大規模ベンチマーク MAVLN と制約対応指標を提供。

3. 技術・手法の肝は?

- TRISS は LLM ベースのサブタスクスケジューラを中核とする。 - 共有トポロジカルメモリにより、各エージェントの探索をチーム知識に変換。 - 競合を考慮した実行メカニズムで、同時意図を衝突のない経路として実現。 - これらを組み合わせ、協調に適したナビゲーションシステムを構成。

4. どうやって有効だと検証した?

- MAVLN ベンチマーク上で広範な実験を実施。 - TRISS を包括的なベースラインとして確立。 - スケジューリング、プランニング、実行の各段階で改善の余地が大きいことを示す。 - MAVLN のタスク制約下での協調の難しさを明らかにした。

5. 議論はある?

- 実験結果から、スケジューリング、プランニング、実行にわたる大幅な改善余地が示唆される。 - MAVLN のタスク制約下での協調の課題が浮き彫りになった。 - 具体的な議論の詳細は要旨からは不明。

6. 次に読むべき論文は?

- 要旨で参照・比較されている個別研究は明示されていない。 - 関連手法として Vision-and-Language Navigation (VLN) の単一エージェント研究、マルチエージェント協調、LLM ベースのタスクプランニング、トポロジカルメモリ、衝突回避ナビゲーションなどが挙げられる。 - 同分野の定番として R2R、REVERIE などの VLN ベンチマークや、Multi-Agent Reinforcement Learning の協調手法が参考になる。

※ 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: Yunzhe Xu, Zhe Liu

分類: cs.CV, cs.AI, cs.RO

原文アブストラクト

Vision-and-Language Navigation (VLN) has largely focused on a single agent following a single instruction, yet many real-world applications require teams of robots to tackle tasks beyond the capabilities of any individual agent. We present Systematic Multi-Agent Vision-and-Language Navigation, providing, to our knowledge, the first systematic formalization of multi-agent VLN as a constrained coordination problem: each mission consists of subtasks carrying dependency and resource constraints (presence locks and holding chains). A verified four-stage crafting pipeline instantiates the task as MAVLN, comprising 11,724 episodes across 145 scenes with teams of up to four agents under three instruction regimes, accompanied by tailored constraint-aware metrics. We further present TRISS, a coordination-ready navigation system coupling an LLM-based subtask scheduler, a shared topological memory that turns each agent's exploration into team knowledge, and a conflict-aware execution mechanism that realizes simultaneous intentions as collision-free routes. Extensive experiments establish TRISS as a comprehensive baseline and reveal substantial room for improvement across scheduling, planning, and execution, highlighting the challenges of coordinating under MAVLN task constraints. Project page: https://xyz9911.github.io/mavln.

  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