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:2611.17598

X-Nav:ヒューマノイドロボットによる屋内から屋外への実世界長距離ナビゲーション

X-Nav Technical Report: Real-World Long-Horizon Indoor-to-Outdoor Navigation on a Humanoid Robot

シェア:XThreadsFacebookLINEはてブBluesky

言語指示に基づき二足歩行ヒューマノイドが屋内から屋外へ約100mの長距離ナビゲーションを実現するシステムX-Navを提案し、実機で検証した。

詳しい要約

1. どんなもの?

- 二足歩行ヒューマノイドによる、言語指示に基づく屋内から屋外への長距離ナビゲーションシステム X-Nav の技術報告 - データ収集から実機展開までのパイプラインを包含 - データエンジン: オープンソースシーン、展開先の digital twin、実機でナビゲーションデータを収集 - ナビゲーションモデル MELIOR: ロボット内蔵カメラの RGB 画像のみを入力 - MELIOR-A: 行動を予測 - MELIOR-N: ナビゲーションゴールを予測 - エージェントワークフロー X-Navarch: 短い人間の指示をサブタスクに分解し、明示的な目標ナビゲーションと障害物回避を伴って MELIOR を実機に展開 - Lingxi X2 上で約100メートルのオフィスロビーから隣接建物の店舗までのミッションを達成 - LiDAR と odometry は目標接近と低レベル制御に使用

2. 先行研究と比べてどこがすごい?

- 著者らの知る限り、二足歩行ヒューマノイドが言語指示による屋内から屋外への長距離ミッションを遂行した最初のシステム - 従来の長距離ナビゲーションは屋内から屋外にまたがる指示(部屋・ドア・道路を含む)や歩行に伴うカメラ移動への対応が未解決だった - AGIBOT の Worken(生産的なロボット作業の指標)が自律的な職場到達に依存する点を背景に、実展開を志向 - MELIOR は R2R-CE と RxR-CE ベンチマークで競争力のある結果を達成 - 具体的な先行研究名・比較数値は要旨からは不明

3. 技術・手法の肝は?

- データエンジン: オープンソースシーン、展開先の digital twin、実機の3来源でナビゲーションデータを収集 - MELIOR: 内蔵カメラの RGB 画像のみを入力とするナビゲーションモデル - MELIOR-A は行動予測、MELIOR-N はナビゲーションゴール予測 - X-Navarch: 短い人間指示をサブタスクに分解し、明示的な目標ナビゲーションと障害物回避を実行するエージェントワークフロー - 展開時の適応: digital twin で収集したデータで MELIOR を適応させ、適応後のモデルを実サイトの実機に展開 - LiDAR と odometry を目標接近と低レベル制御に利用

4. どうやって有効だと検証した?

- Lingxi X2 上でオフィスロビーから隣接建物の店舗まで約100メートルのミッションを実施 - MELIOR の両バージョンでミッションを完了 - 目的地変更への追従と、ロビーから道路へのドア通過を実現 - X-Navarch により静的・動的障害物の通過も実現 - digital twin での適応により、twin 内の closed-loop 成功率が向上 - 適応済みモデルを実サイトの実機に展開 - R2R-CE と RxR-CE ベンチマークで競争力のある結果

5. 議論はある?

- 屋内から屋外への長距離ミッションを実機ヒューマノイドで達成した点を主張 - digital twin での適応が closed-loop 成功率を向上させ、実サイト展開につながることを示唆 - 一方で、実サイトでの定量的な成功率や障害物回避の詳細な評価指標は要旨からは不明 - 歩行に伴うカメラ移動への頑健性の定量的分析は要旨からは不明 - 限界・失敗事例・計算コストに関する議論は要旨からは不明

6. 次に読むべき論文は?

- MELIOR-A / MELIOR-N の詳細(モデル構造・学習手法) - X-Navarch のエージェントワークフロー設計 - R2R-CE および RxR-CE ベンチマークの関連研究(Vision-and-Language Navigation in Continuous Environments) - digital twin を用いた sim-to-real 適応の関連手法 - ヒューマノイドの長距離ナビゲーションに関する関連研究(具体的な参照論文は要旨からは不明)

※ 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: Jiaxin Huang, Chengxing Lin, Xiaoyu Luo, Sirui Chen, Jingyu Guo, Aolin Li, Kairui Chen, Rui Zhen, Cheng Wen, Kerui Gu, Shunyao Wang, Zhihui Peng, Shaoli Huang

分類: cs.RO, cs.AI, cs.CV

原文アブストラクト

Long-horizon navigation from indoors to outdoors remains an open problem for humanoid robots: one instruction covers rooms, doors and roads, and the camera moves with the gait. Worken, AGIBOT's measure of productive robot work, depends on robots that reach their workplaces autonomously. We present X-Nav, to our knowledge the first system to take a bipedal humanoid through a language-instructed long-horizon mission from indoors to outdoors. X-Nav covers a pipeline from data to deployment. Its data engine collects navigation data in open-source scenes, in digital twins of deployment sites and on real robots. Its navigation model, MELIOR, takes only RGB images from the robot's built-in camera and comes in two versions: MELIOR-A predicts actions, and MELIOR-N predicts a navigation goal. Its agentic workflow, X-Navarch, turns a brief human instruction into sub-tasks and deploys MELIOR on the robot with explicit target navigation and obstacle avoidance. On the Lingxi X2, X-Nav completes a mission of about a hundred metres from an office lobby to a store in a neighbouring building; LiDAR and odometry are used for target approach and low-level control. The mission is completed with both versions of MELIOR: the robot follows a change of destination and walks through a door from the lobby to the road, and with X-Navarch it also passes static and dynamic obstacles on the route. During deployment, MELIOR is adapted with data collected in a digital twin of the site; the adaptation raises its closed-loop success rate in the twin, and the adapted model is then deployed on the robot at the real site. In addition, MELIOR achieves competitive results on the R2R-CE and RxR-CE benchmarks.

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. 3Google DeepMind、ロボット向けAIを発表新製品・発表
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5GXO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

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