スケマティック誘導による物体目標ナビゲーション

- Object goal navigation において、embodied agent が目標物体を探索・到達するための schematic-guided navigation フレームワーク - 構成要素は2つ - 2D floorplans から navigation 訓練環境を生成する軽量な training-data generation pipeline - 閉ループ navigation framework である ScheNav - 生成データセット Furnished-RPLAN を提示 - 33k 以上の furnished layouts - navigation episodes と noise-controllable schematic maps を対で含む

- 人間が使う低コストで情報量のある schematic maps（rough sketches や directional annotations）に着目した点 - 従来の object goal navigation と比べ、schematic guidance を探索・停止判断に活用する枠組みを提案 - 軽量 pipeline で 2D floorplans から大規模な訓練環境と schematic maps を生成できる点 - 詳細は要旨からは不明（具体的な prior 手法との定量比較は記述なし）

- SchemaField と呼ぶ学習型 spatial module が肝 - rough schematic guidance と累積観測を融合 - spatial value fields を予測 - 探索の進行に応じてこれらの fields を更新 - trajectory-based training を採用 - cross-frame consistency objective により、視点変化をまたいだ一貫した guidance を支援 - schematic guidance の利用を simulated floorplans から学習し、未見の embodied environments へ転移

- schematic maps、goal ellipses、pointed directions に対して navigation success と path efficiency の改善を実験で示す - テストした schematic perturbations と omissions への耐性も確認 - 学習は simulated floorplans で行い、未見の embodied environments へ転移できることを示す - 具体的なベースラインや指標の詳細は要旨からは不明

- rough schematic guidance が embodied navigation を改善する実用的手段であると結論 - ノイズや省略に対する耐性が示唆される - 限界や失敗事例、計算コスト、実環境適用の課題については要旨からは不明

- Furnished-RPLAN データセット（本研究で提案） - SchemaField（本研究の spatial module） - Object goal navigation の代表的手法（例: Habitat 系の navigation 研究） - schematic map や sketch-based navigation の関連研究（要旨に個別参照なし）