GazeLNN、液体ニューラルネットで視線予測 計算コスト99.40%削減

何が起きたか

研究者らは2026年6月18日、arxiv.orgでGazeLNNを発表した。GazeLNNは液体ニューラルネットワークを再帰エンジンとし、MobileNetV3で特徴抽出を行う視線予測モデルである。0.61 GFLOPsの計算量で、MIT Low ResolutionデータセットにおいてScanMatchスコア0.47を達成し、既存の再帰ベースラインを上回った。

詳細

GazeLNNは自己回帰的に動作し、現在の視覚刺激と注視履歴に基づいて逐次的な注視ヒートマップを予測する。計算コストは既存手法と比較して99.40%削減され、推論速度は最大6倍高速化された。研究者らはこのモデルを強化学習で訓練された能動カメラロボット制御ポリシーに統合し、空中ロボットでの実世界展開を通じて、人間の注視に導かれた知覚が自律航法中に機能することを実証した。

Key Facts

本紙の見方

今回の発表は、人間の視覚注意をロボットの能動的知覚に組み込む試みとして位置づけられる。従来の視線予測モデルは計算コストが高く、ロボットへの実装が困難だったが、GazeLNNは液体ニューラルネットワークを採用することで、計算量を大幅に削減しつつ、精度を維持した点が新しい。液体ニューラルネットワークは、時系列データの処理に適しており、自己回帰的な注視予測に有効であるとみられる。 本紙の過去報道との接続はないが、ロボットの自律性向上における人間の認知モデルの活用という観点では、近年のトレンドと一致する。特に、強化学習による制御ポリシーとの統合は、シミュレーションから実機への転移を意識したものであり、実世界での展開を重視する傾向が反映されている。 業界構造への含意としては、計算資源が限られるエッジデバイスやドローンなどの小型ロボットへの視線予測の実装が現実的になる点が挙げられる。これにより、人間の注視パターンを模倣した効率的な探索や物体認識が可能になり、自律航法の性能向上につながる可能性がある。一方で、GazeLNNの性能は特定のデータセットでの評価に基づいており、多様な環境での汎用性は未検証である。 未確定の論点としては、実機での展開がどの程度の規模で行われたか、また、他のロボットプラットフォームへの適用可能性が挙げられる。さらに、液体ニューラルネットワークの学習データや、実環境での推論速度の実測値なども確認が必要である。

なぜ重要か

GazeLNNは、計算コストの制約からロボットへの実装が難しかった視線予測を、軽量なアーキテクチャで実現した点で重要である。これにより、人間の視覚注意を模倣した能動的知覚が、ドローンなどの小型ロボットでも実用化される可能性が高まる。