何が起きたか
SAP-Navは、能動的知覚を通じて空間意味表現を構築し、階層型オープンボキャブラリ物体ナビゲーション（OVON）を解決する新しいフレームワークである。LangMapとHM3D-OVONの実験で、領域レベルのナビゲーションにおいて訓練ベース手法を12.2%上回る成功率（SR）を達成した。実世界のロボット実験でも実用性が実証された。
詳細
SAP-Navは、階層型オープンボキャブラリ物体ナビゲーション（OVON）を対象とした、完全オンライン・ゼロショットのフレームワークである。OVONでは、エージェントがシーン、部屋、領域、インスタンスレベルの手がかりを通じてターゲットを指定する自由形式の指示に従う必要がある。最近の研究LangMapがこの設定を形式化したが、部分観測下での信頼性の高い解決は依然として困難であり、空間的グラウンディングには持続的な環境レベルの証拠が必要であり、ターゲット検証には明確で識別可能な候補ビューが必要である。 SAP-Navは、能動的に取得した部屋ビューから照会可能な空間意味表現（Queryable Spatial-Semantic Representation）を段階的に構築し、探索済みの任意の場所から空間意味クエリを可能にする。さらに、能動的視点検証（Active Viewpoint Verification）を採用し、現在の観測が十分な証拠を提供しているかどうかを評価し、必要に応じてエージェントをより情報量の多い視点に再配置してから、カテゴリと属性の制約に対して候補を検証する。 SAP-Navは階層型OVON向けに設計されているが、タスク固有のトレーニングや事前計算されたシーンマップなしで、階層型および標準的なカテゴリレベルのOVONの両方をサポートする。実験では、LangMapとHM3D-OVONで全体的に最高の性能を達成し、領域レベルのナビゲーションでは訓練ベース手法と比較してSRが12.2%向上した。実世界のロボット実験でも実用性が実証された。コードは受理後に公開される予定である。
Key Facts
| SAP-Navは、能動的知覚を用いた完全オンライン・ゼロショットの階層型オープンボキャブラリ物体ナビゲーションフレームワークである。 | [0] |
| SAP-Navは、能動的に取得した部屋ビューから照会可能な空間意味表現を段階的に構築する。 | [0] |
| SAP-Navは、能動的視点検証を採用し、現在の観測が十分な証拠を提供しているか評価し、必要に応じてエージェントをより情報量の多い視点に再配置する。 | [0] |
| SAP-Navは、タスク固有のトレーニングや事前計算されたシーンマップなしで、階層型および標準的なカテゴリレベルのOVONの両方をサポートする。 | [0] |
| LangMapとHM3D-OVONの実験で、SAP-Navは全体的に最高の性能を達成した。 | [0] |
| 領域レベルのナビゲーションでは、訓練ベース手法と比較してSRが12.2%向上した。 | [0] |
| 実世界のロボット実験でも実用性が実証された。 | [0] |
| コードは受理後に公開される予定である。 | [0] |
なぜ重要か
SAP-Navは、階層型OVONにおける空間グラウンディングとターゲット検証の課題を能動的知覚で解決し、訓練不要で高い性能を達成した点で重要である。実世界のロボット実験での実証は、実環境への応用可能性を示している。