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:2611.11665

不整地を移動障害物とともに歩くヒューマノイド向け身体性接地型VLMナビゲーション

HINT-VLM: Humanoid Interactive Navigation over Rough Terrain with Embodiment-Grounded Vision-Language Model

シェア:XThreadsFacebookLINEはてブBluesky

VLMの意味的な可動性予測をガウス過程で身体性に接地させ、不整地での移動障害物を考慮した階層的な不確実性対応計画を実現したヒューマノイドナビゲーション手法。

詳しい要約

1. どんなもの?

- 対象は、屋外の不整地・散らかった環境における humanoid robot の NAMO(Navigation Among Movable Obstacles) - 従来の navigation は非対話環境での走破を前提とし、NAMO 研究も平坦環境・反応的interactionが中心 - 本論文は、terrain traversability と object movability を同時に推論する枠組みを提案 - VLM の semantic prior と実機 interaction data を Gaussian process (GP) residual model で統合する hybrid planning framework - 不整地での NAMO を predictive movability reasoning と probabilistic VLM integration で解く初の手法と主張

2. 先行研究と比べてどこがすごい?

- 従来 navigation は非対話環境を仮定し走破のみを扱う点を課題視 - NAMO 研究は仮定を緩めるが、平坦環境・reactive interaction が中心で、object movability の予測や先読み計画が不足 - 屋外不整地では terrain traversability と object movability の同時推論が不可欠という点を指摘 - 本手法は VLM の semantic prior を実機 interaction data で embodiment-grounded に補正する点が新規 - 不整地 NAMO を predictive movability reasoning と probabilistic VLM integration で扱う初の解と位置づけ

3. 技術・手法の肝は?

- VLM から object movability の semantic prior を取得 - Gaussian process (GP) residual model が実機の embodied robot interaction data を用いて VLM prior を補正 - 補正後の embodiment-grounded probabilistic movability estimates を生成 - これを hierarchical uncertainty-aware planning に組み込み - locomotion と manipulation を jointly に活用し、効率的かつ安全な navigation を狙う hybrid planning framework

4. どうやって有効だと検証した?

- 要旨からは不明(実験設定・比較対象・評価指標・実機/シミュレーションの別は記述なし) - 不整地 NAMO の初の解と主張するが、検証方法の詳細は要旨に含まれない

5. 議論はある?

- 要旨からは不明(限界・失敗事例・計算コスト・VLM 依存性などの議論は記述なし) - 不整地での terrain traversability と object movability の同時推論が重要という問題意識は示される

6. 次に読むべき論文は?

- NAMO(Navigation Among Movable Obstacles)の先行研究 - VLM を用いた navigation / affordance 推定の関連研究 - Gaussian process による residual modeling / uncertainty-aware planning の関連研究 - rough terrain locomotion と manipulation を統合する humanoid navigation 研究

※ 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: Ziwon Yoon, Seok Hwan Kim, Yiyu Chen, Quan Nguyen, Lu Gan, Ye Zhao

分類: cs.RO

原文アブストラクト

Humanoid robots have achieved significant progress in locomotion and manipulation, enabling traversal over rough terrain and richer interaction with the environment, such as moving obstacles. However, most traditional navigation methods assume non-interactive environments and focus only on traversal. While Navigation Among Movable Obstacles (NAMO) approaches relax this assumption, prior efforts have largely focused on flat environments and reactive interaction, rather than predicting object movability and planning ahead. These limitations become critical in outdoor rough-terrain scenarios, where robots must jointly reason about terrain traversability and object movability. In this work, we address NAMO for humanoid robots in cluttered outdoor rough terrain by proposing a hybrid planning framework that combines semantic priors from a Vision-Language Model (VLM) with embodied robot interaction data through a Gaussian process (GP) residual model. The GP corrects the VLM-derived movability prior to produce embodiment-grounded probabilistic movability estimates, which are then incorporated into hierarchical uncertainty-aware planning. The proposed approach allows humanoids to jointly leverage locomotion and manipulation for efficient and safe navigation, representing the first solution to NAMO in rough terrain through predictive movability reasoning and probabilistic VLM integration.

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. 2GXO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
  3. 3newmo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
  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