実行可能性を考慮した階層強化学習による連続環境での視覚言語ナビゲーション

- VLN-CE（Vision-and-Language Navigation in Continuous Environments）のための階層型強化学習フレームワーク MATCH を提案する研究。 - 言語条件付き planner と goal 条件付き primitive-action executor を同時に学習する。 - 衝突制約下での指示整合的な計画と信頼できる実行の両立を狙う。 - 0.5B パラメータで R2R-CE と RxR-CE のベンチマークにおいて state-of-the-art を達成。 - 実ロボットへの予備的展開も報告している。

- 多くの階層型アプローチは planner のみを最適化し、executor を固定していた。 - MATCH は planner と executor を joint に学習する点が異なる。 - execution-aware topological graph により、executor の価値推定と実現済み結果の記憶を planner の意思決定に統合する。 - executor の現在の振る舞いに planner が要求を適応させる synchronized on-policy 更新を実現。 - 具体的な先行研究名や比較数値は要旨からは不明。

- execution-aware topological graph が start 依存の実行オプションを表現し、executor の value estimate と realized outcome memory を統合する。 - planner は実行要求を選択し、bounded continuous offsets でターゲットを微調整する。 - transition-aware dense macro reward が reference route に沿った順序的進捗と execution residual のバランスを取る。 - 段階的 curriculum の後に、planner 生成要求で executor を学習させつつ planner が要求を適応させる同期 on-policy 更新を行う。 - 詳細なネットワーク構成や学習アルゴリズムは要旨からは不明。

- R2R-CE と RxR-CE のベンチマークで評価し、0.5B パラメータで state-of-the-art 性能を達成したと報告。 - 実ロボットへの予備的展開（preliminary real-robot deployments）で実用可能性を示した。 - 具体的な指標、ベースライン、アブレーションの詳細は要旨からは不明。

- 要旨からは不明。 - ただし execution-aware graph や dense macro reward の設計選択、実ロボット展開の規模や限界については本文での議論が想定される。

- 要旨で参照・比較されている具体的な先行研究は明示されていない。 - 関連手法として VLN-CE の代表的ベースライン（例：Seq2Seq、VLN-BERT 系、RecBERT 系）や階層型 RL の一般的枠組みを挙げる。 - R2R-CE と RxR-CE のベンチマーク論文も参照候補。 - 具体的な次読論文は要旨からは不明。