CanonNav、カメラ幾何と行動を分離する視覚ナビゲーション手法を発表

何が起きたか

研究チームは2026年8月31日、視覚ナビゲーションの新フレームワーク「CanonNav」をarXivで発表した。CanonNavは、クロスプラットフォームのデモからの模倣学習において、カメラ幾何とナビゲーション行動を分離する。実験では、RGBのみの推論でRGBベースのベースラインを一貫して上回り、困難なシナリオではRGB-Dベースの手法も凌駕した。

詳細

CanonNavは、カメラ幾何の正規化（camera geometry canonicalization）により、視覚観測と軌跡をカメラに依存しない表現空間に変換する。さらに、オフラインの走行可能性推定器からの擬似ラベルを用いて、安全性監視（unsafe trajectoriesをペナルティ）と局所進行監視（ロボットの前進方向をガイド）を導出する。推論時にはRGBのみを使用する。

Key Facts

本紙の見方

CanonNavの核心は、クロスプラットフォームのデモから学習する際に、カメラ幾何とナビゲーション行動を分離する点にある。従来の模倣学習では、画像と軌跡のペアから直接学習するため、カメラ幾何が行動に絡みつき、ポリシーが視覚観測から暗黙にカメラ幾何を推論する必要があった。これは不良設定問題であり、学習の一貫性を損なう。CanonNavは、カメラ幾何の正規化により、この問題を解決する。 さらに、模倣学習は専門家の選択した動作を捉えるが、その背後にある中間的な意思決定は暗黙のままである。CanonNavは、オフラインの走行可能性推定器からの擬似ラベルを用いて、安全性と局所進行の監視を追加することで、この欠落を補う。安全性監視は危険な軌跡をペナルティし、局所進行監視はロボットの前進方向をガイドする。これにより、デモから学習する際の補完的な計画監視が可能になる。 実験結果は、RGBのみの推論でRGB-Dベースの手法を上回ることを示しており、カメラ幾何の分離が性能向上に寄与していることを示唆する。これは、実世界のロボットにRGBカメラのみを搭載すればよいという実用上の利点ももたらす。 業界構造への含意として、この手法は、異なるカメラ構成を持つプラットフォーム間での知識転移を容易にし、データ収集のコストを削減する可能性がある。また、安全性監視の導入は、実環境での展開における信頼性向上に寄与する。 未確定の論点としては、実機での検証がまだ行われていないこと、走行可能性推定器の精度が全体の性能に与える影響、そして多様な環境での汎化性能が挙げられる。

なぜ重要か

CanonNavは、視覚ナビゲーションにおけるカメラ幾何と行動の分離という新たな視点を提供し、クロスプラットフォーム学習の課題を解決する可能性がある。RGBのみでの高性能は、コスト削減と実用性向上につながる。