ゼロショット言語指示ナビゲーションの記憶方式を研究、Unitree Go2で実環境評価

何が起きたか

arXivに2026年10月28日掲載された研究は、ナビゲーション専用の学習を行わない視覚言語ナビゲーションにおける記憶方式を検討した。8B規模のシステムを使い、Unitree Go2で廊下とオフィスの実環境実験を行った。研究は、両環境でゼロショット方式の成功率がポストトレーニング済みベースラインを上回ったと報告している。

詳細

システムは、指示の進捗を扱うタスク記憶、姿勢情報に基づいて圧縮した観測履歴を保持する時間記憶、蓄積した幾何情報を保持する空間記憶を組み合わせる。8Bの観測モデルが観測を要約し、8Bの推論モデルが記憶を使ってウェイポイントの意図を選ぶか追加観測を求め、幾何コントローラーが目標を実行する。 R2R-CE val-unseenでは、完全なシステムが評価対象のQwen3ベースのゼロショット手法の中で最も高い成績を得たと研究は報告した。時間記憶を除くと平均経路長は16.9mから39.1mに増加し、空間地図と計画機能を除いた場合も成功率が低下した。研究は、終点への到達だけでなく指示への応答を調べる補完評価として、指示を対にして介入するLAW2も用いた。

Key Facts

本紙の見方

この研究の焦点は、ナビゲーション向けの追加学習なしに過去の観測を使う際、何を記憶し、どう推論に渡すかにある。8B規模の観測モデルと推論モデルを分け、指示の進捗、姿勢に結びついた観測履歴、幾何情報を別々に保持する構成は、履歴を一括で扱うのではなく、判断に使う情報の役割を分解した点が特徴だ。R2R-CE val-unseenでの比較結果に加え、時間記憶を除いたとき経路長が16.9mから39.1mに増えたという除去実験は、少なくともこの評価設定では、履歴が単なる記録ではなく経路選択に関係することを示す。ただし、空間地図・計画機能を除いた場合の成功率低下も報告されており、時間履歴だけで性能を説明することはできない。 本紙の関連記事leaderobot.com、動作捕捉とロボット向けデータを扱う記事を掲載は、ロボット向けデータを扱う記事の掲載を伝えたものだ。今回の研究は、その記事が示す事業実績を裏づけるものではない。一方、実機ナビゲーションでは、動作や観測をどの単位で蓄積し、後続の判断に利用するかが研究上の具体的な課題となっている。学習用データの量だけでなく、タスク進捗や位置情報と結びついた記憶の構造を評価している点で、データを制御判断に接続する設計として読める。 業界構造への含意は、汎用モデルをロボットに載せるだけでなく、観測、記憶、推論、幾何制御の間の分担が性能評価の対象になることだ。Unitree Go2での結果は実機評価を含むが、対象は廊下とオフィスであり、他の環境や機体への転移を示すものではない。また、成功率の具体値や試行数、実験条件、推論時の計算負荷は提示された要旨からは確認できない。次に見るべきなのは、これらの条件と、記憶の保持・更新に伴う計算資源、環境が変化した場合の再現性である。LAW2による指示介入評価も、到達成否と指示への追従を分けて測る補助指標として位置づけられるが、その結果の数値は要旨に示されていない。

なぜ重要か

研究はUnitree Go2を用い、廊下とオフィスでゼロショット方式をポストトレーニング済みベースラインと比較した。さらに時間記憶を除くと平均経路長が16.9mから39.1mに増えたと報告しており、実機ナビゲーションでは観測履歴の保持方法が経路選択の評価に関わることを示す。