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:2610.15956

ADAPT: 消灯工場ナビゲーションのための音響-深度行動計画と遷移認識型報酬

ADAPT: Audio-Depth Action Planning with Transition-Aware Rewards for Lights-Out Industrial Navigation

シェア:XThreadsFacebookLINEはてブBluesky

照明のない工場環境で、空間音響による目標定位と深度による障害物認識を用いたRGB不要のナビゲーションを実現するADAPTを提案し、遷移認識型報酬設計により未見環境でも高い成功率を示した。

詳しい要約

1. どんなもの?

- 照明が使えないlights-out産業環境でのembodied navigationを対象とした研究。 - RGB観測に依存せず、spatial audioで目標位置を定位し、depthで障害物形状を認識する。 - ベンチマークDarkNav-Bench(24産業シーン、4段階の音響条件)を導入。 - フレームワークADAPT(audio-depth action planning)を提案。 - RLによるclosed-loop navigationを最適化。

2. 先行研究と比べてどこがすごい?

- 従来のvision-language-actionモデルはRGB観測に依存し、可視照明がない環境に適用困難。 - ADAPTはRGB不要で、spatial audioとdepthを相補的に用いる点が新しい。 - 従来のgeodesic-progress rewardと異なり、TARSは移動と回転を考慮したaction-consistent feedbackを提供。 - 訓練ベースのnavigationベースラインやzero-shot multimodalモデルを上回る性能。 - 未見環境でもClean条件で90.6%成功、Localized Noise条件で60.0%成功を達成。

3. 技術・手法の肝は?

- spatial-audio perceptionとdepthを組み合わせたaudio-depth action planning。 - RLによるclosed-loop navigationの最適化。 - 提案するtransition-aware reward shaping (TARS)が鍵。 - TARSはposition-heading graph上でpose-aware shortest-action potentialを定義。 - 従来のgeodesic-progress rewardと異なり、実行可能な移動とin-place rotationsの両方を考慮。 - これによりポリシー最適化にaction-consistentなフィードバックを提供。

4. どうやって有効だと検証した?

- DarkNav-Bench(24産業シーン、4段階の音響条件)で評価。 - 訓練ベースのnavigationベースラインおよびzero-shot multimodalモデルと比較。 - 見たシーンと未見シーンの両方でADAPTが一貫して優位。 - 未見環境でClean条件90.6%成功、最も困難なLocalized Noise条件でも60.0%成功を維持。

5. 議論はある?

- spatial audioとdepthがlights-out産業環境での信頼性の高いRGB-free navigationのための相補的モダリティとして有望であることを示す。 - 具体的な限界や課題については要旨からは不明。

6. 次に読むべき論文は?

- 要旨で参照/比較されている研究:vision-language-action models、geodesic-progress rewards、zero-shot multimodal models。 - 関連手法:spatial audio perception、depth-based obstacle avoidance、reinforcement learning for navigation。 - 同分野の定番:embodied navigation、audio-visual navigation、RGB-free navigation。

※ 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: Wenjun Huang, Shenghao Fu, Yian Jin, Yang Ni, Yifan Li, Lichi Li, Xingjian Diao, Pengfei Zhang, Yutong Song, Hanning Chen, Jiarui Cui, Tianyu Yang, Shilong Li, Yu Kong, Mohsen Imani

分類: cs.AI

原文アブストラクト

Vision-language-action models for embodied navigation typically rely on RGB observations, limiting their applicability in lights-out industrial environments where visible illumination may be unavailable. We study illumination-independent navigation using spatial audio for target localization and depth for obstacle-aware geometry. To support this setting, we introduce DarkNav-Bench, a benchmark with 24 industrial scenes and four progressively challenging acoustic conditions. We further propose ADAPT, an audio-depth action-planning framework equipped with spatial-audio perception and optimized for closed-loop navigation through reinforcement learning (RL). Our key RL contribution, transition-aware reward shaping (TARS), defines a pose-aware shortest-action potential over a position-heading graph. Unlike conventional geodesic-progress rewards, TARS accounts for both feasible movements and in-place rotations, providing action-consistent feedback for policy optimization. Experiments show that ADAPT consistently outperforms training-based navigation baselines and zero-shot multimodal models on both seen and unseen scenes. On unseen environments, it achieves 90.6% success under Clean conditions and retains 60.0% success under the most challenging Localized Noise setting. These results demonstrate the potential of spatial audio and depth as complementary modalities for reliable RGB-free navigation in lights-out industrial environments.

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

MINISFORUM(ミニPC)

MINISFORUM(ミニPC)の公式広告バナーMINISFORUM公式ストアを見る ↗
PR本紙発行元 EmplifAI