何が起きたか
arXivに、画像ゴールナビゲーションのための潜在世界モデルと単調計画コストに関する論文が公開された。論文は、将来予測の正確さに加え、候補となる行動系列を確実にランク付けできる計画コストの重要性を指摘。コストを予測将来埋め込みとゴール埋め込みのコサイン距離と定義し、コスト順序が不適切だとCross-Entropy Method (CEM)などのサンプリングベースのプランナーを誤らせると説明する。提案手法は、凍結したDINOファミリーのエンコーダ上に構築した潜在世界モデルで、自己回帰ロールアウト損失と単調コストランキング(MCR)損失の2つの相補的な目的関数で学習する。また、InfoNCEに基づく行動対比学習を検討し、時間的置換ネガティブが潜在幾何学を歪め、計画性能を低下させることを見いだした。GNMナビゲーションデータセットにおいて、Navigation World Models (NWM)、DINO-WM、OmniVLA、NoMaDを上回り、最先端の画像ゴールナビゲーション性能を達成。同じエンコーダを用いたDINO WMベースラインと比較して、方位誤差を2.7倍削減したとしている。さらに、実機ロボットにゼロショットで展開し、未見の屋内・屋外環境でゴール指向の経路をたどったと報告している。
Key Facts
| 論文は、画像ゴールナビゲーションのための潜在世界モデルと単調計画コストを提案している。 | [0] |
| 計画コストは、予測将来埋め込みとゴール埋め込みのコサイン距離として定義される。 | [0] |
| 提案手法は、凍結したDINOファミリーのエンコーダ上に構築した潜在世界モデルで、自己回帰ロールアウト損失と単調コストランキング(MCR)損失の2つの目的関数で学習する。 | [0] |
| InfoNCEに基づく行動対比学習では、時間的置換ネガティブが潜在幾何学を歪め、計画性能を低下させることが分かった。 | [0] |
| GNMナビゲーションデータセットで、Navigation World Models (NWM)、DINO-WM、OmniVLA、NoMaDを上回り、最先端の画像ゴールナビゲーション性能を達成した。 | [0] |
| 同じエンコーダを用いたDINO WMベースラインと比較して、方位誤差を2.7倍削減した。 | [0] |
| 実機ロボットにゼロショットで展開し、未見の屋内・屋外環境でゴール指向の経路をたどった。 | [0] |
なぜ重要か
画像ゴールナビゲーションは、ロボットが目標画像に向かって移動するタスクであり、実世界のナビゲーション応用に重要。提案手法は、計画コストのランキングを直接最適化することで、サンプリングベースのプランナーの性能を向上させる。既存手法を上回る結果と実機でのゼロショット展開は、ロボットナビゲーションの進展を示す。