日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

VLAarXiv:2610.15595

FireNav: 屋内火災環境における視覚言語ナビゲーションのための意思決定指向の再構成証拠ルーティング

FireNav: Decision-Oriented Reconstruction Evidence Routing for Vision-Language Navigation in Indoor Fire Environments

シェア:XThreadsFacebookLINEはてブBluesky

屋内火災環境での視覚言語ナビゲーションにおいて、画像復元をナビゲーションの意思決定に役立つ形で活用するため、復元特徴を補助証拠として選択的に取り込むルータと意思決定効用キャリブレーションを提案し、専用ベンチマークFireVLN-Benchを構築した。

詳しい要約

1. どんなもの?

- 屋内火災環境におけるVision-Language Navigation (VLN) のためのフレームワーク「FireNav」を提案。 - 火災による視覚劣化に対処するため、画像復元をナビゲーションの意思決定に役立てる。 - 復元特徴を補助証拠として扱い、軽量ルータでその採用と寄与度を決定する。 - 併せて、クリーン参照付きの屋内火災ナビゲーションベンチマーク「FireVLN-Bench」を構築。

2. 先行研究と比べてどこがすごい?

- 既存の画像復元手法は再構成忠実度を最適化するが、ナビゲーション決定の改善に必ずしも繋がらず、無差別に適用するとタスク重要手がかりを損なう可能性がある。 - FireNavは復元をナビゲーション有用性に整合させ、意思決定指向で復元証拠を選択的に利用する点が新しい。 - 既存のVLN手法と比較して、ナビゲーション成功率と経路効率で一貫して優れる。

3. 技術・手法の肝は?

- ネイティブ視覚トークンを保持し、潜在復元特徴を補助証拠として扱う。 - 軽量ルータが視覚特徴、タスクコンテキスト、事前実行状態を利用し、証拠の採用可否と視覚トークンへの寄与強度を決定。 - 意思決定ユーティリティ較正を導入し、同一状態で候補証拠の有無による行動予測損失を比較。 - ウェイポイント、ヘディング、到着予測への貢献に基づいて証拠選択を監督。

4. どうやって有効だと検証した?

- FireVLN-Benchを用いた実験で、様々な評価設定において最先端ベースラインをナビゲーション成功率と経路効率で一貫して上回ることを示した。 - 詳細な検証方法は要旨からは不明。

5. 議論はある?

- 復元を無差別に適用することの問題点を指摘し、意思決定に基づく選択的利用の重要性を議論。 - 具体的な限界や議論は要旨からは不明。

6. 次に読むべき論文は?

- 要旨で参照/比較されている研究は明示されていない。 - 関連手法として、Vision-Language Navigation (VLN) の一般的な手法や画像復元手法が挙げられる。

※ 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: Hongbo Ding, Xiang Chen, Jiangxin Dong, Jinshan Pan

分類: cs.CV

原文アブストラクト

In real-world indoor fire environments, visual degradation severely impairs instruction grounding, waypoint prediction, and long-horizon exploration in vision-language navigation (VLN). Although image restoration offers a natural means to mitigate such visual degradation, existing methods primarily optimize reconstruction fidelity, which does not necessarily translate into better navigation decisions and may even corrupt task-critical cues when applied indiscriminately. In this paper, we present FireNav, a decision-oriented reconstruction evidence routing framework that aligns visual restoration with navigation utility in VLN. To advance this task, we first contribute FireVLN-Bench, a paired indoor fire navigation benchmark with clean references preserving task semantics, safety supervision, and matched settings for continuous navigation and robot execution with simulated dynamics. Our FireNav retains native visual tokens and treats latent reconstruction features as auxiliary evidence, where a lightweight router leverages visual features, task context, and prior execution states to determine whether such evidence should be admitted and how strongly it should contribute to the visual tokens. To learn when reconstruction is beneficial, we further introduce decision utility calibration, which compares action prediction losses with and without candidate evidence under the same state, thereby supervising evidence selection according to its contribution to waypoint, heading, and arrival prediction. Experiments demonstrate that FireNav consistently outperforms state-of-the-art baselines in both navigation success and path efficiency across evaluation settings.

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

OZ GAMING(GPU搭載BTOゲーミングPC)

OZ GAMING(GPU搭載BTOゲーミングPC)の公式広告バナーOZ GAMINGで完成品PCを見る ↗
PR本紙発行元 EmplifAI