ナビゲーション2026/8/13arXiv:2608.13723v1

Graph-MambaNav: 物体関係知識を活用した空間時間グラフMambaによる物体目標ナビゲーション

Graph-MambaNav: Spatial-Temporal Graph Mamba Leveraging Object-Relation Knowledge for Object-Goal Navigation

物体目標ナビゲーションにおいて、物体間の関係性と目標関連性に基づくノード優先順位付けを導入した空間時間グラフエンコーディングフレームワークを提案し、AI2-THORとRoboTHORで性能向上を実証した。

詳しい要約

1. どんなもの？

Object-goal navigation（物体目標ナビゲーション）において、エージェントが物体間の関係を推論し、目標に関連する物体を優先して効率的に意思決定するための、target-awareな空間時間グラフ符号化フレームワーク「Graph-MambaNav」を提案する。Graph-Mambaのノード優先順位付け機構を応用し、物体の目標への関連性に基づくヒューリスティックな順序付けを導入する。空間モジュールと時間モジュールを統合し、LLM由来の常識的な物体関係を初期化に用いる。

2. 先行研究と比べてどこがすごい？

既存のグラフベース手法は、特徴量やアテンションレベルでtarget-awarenessを組み込むが、置換不変であり、情報伝播の順序を明示的に制御できない。これに対し、Graph-MambaNavはノードの順序付けを導入し、目標に関連する物体を後で処理することでよりリッチな文脈を集約できる。また、LLM由来の物体関係を順序付けとエッジ重みの両方に初期化することで、統一的な事前知識を提供する点が新しい。

3. 技術・手法の肝は？

手法の核は、(1) 目標への関連性に基づく物体のヒューリスティックな順序付け（関連性の高い物体を後で処理）、(2) LLMから導出された常識的な物体関係をノード順序とエッジ重みの初期化に使用、(3) 空間モジュール：局所メッセージパッシングとグローバルなGraphMambaベースの選択的スキャンを統合、(4) 時間モジュール：物体ごとの時間順序にMambaベースの系列モデリングを適用し、長期的な時間的文脈を選択的に集約。

4. どうやって有効だと検証した？

AI2-THORとRoboTHORのベンチマークで実験を行い、ナビゲーション性能の向上と一般化を確認した。さらに、実世界のロボット展開実験により、提案手法の有効性を検証した。

5. 議論はある？

要旨からは、ノード順序付けの具体的なヒューリスティックの詳細や、LLM由来の知識の品質への依存性、計算コスト、他のタスクへの適用可能性などについての議論は不明。また、実世界実験の規模や条件も要旨からは不明。

6. 次に読むべき論文は？

要旨で参照されているGraph-Mamba、および関連するObject-Goal Navigationの既存手法（例：Semantic Mapping-based methods, Graph-based methods）や、LLMを利用したナビゲーション手法（例：LLM-based planning）が挙げられる。具体的には、Graph-Mambaの原著論文、Object-Goal Navigationの代表的なベースライン（例：RGB-D-based methods, Semantic Segmentation-based methods）を読むことが推奨される。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Leyuan Sun, Genxin Chen, Linwei Ye, Yan Zhang, Xi Kan, Yanfei Sun

分類: cs.RO

原文アブストラクト

Object-goal navigation requires an agent to reason over object relationships and prioritize target-relevant objects for efficient decision making in unseen environments. While existing graph-based methods incorporate target-awareness at the feature or attention level, they remain permutation-invariant and lack an explicit mechanism to control information propagation order, limiting their ability to model target-dependent importance and long-range dependencies. In contrast, Graph-Mamba highlights that node prioritization through sequence ordering is critical for effective global reasoning. In this work, we investigate the node prioritization mechanism in Graph-Mamba and study its role in object navigation. We propose Graph-MambaNav, a target-aware spatial-temporal graph encoding framework that introduces a heuristic ordering over objects based on their relevance to the target, allowing more informative objects to be processed later to aggregate richer context. Both node ordering and edge weights are initialized from LLM-derived commonsense object relationships, providing a unified prior for structured reasoning. A spatial module integrates local message passing with global GraphMamba-based selective scanning, while a temporal module applies Mamba-based sequence modeling over object-wise temporal orders, allowing selective aggregation of historical context for long-range temporal reasoning. Experiments on AI2-THOR and RoboTHOR demonstrate improved navigation performance with generalization, and additional real-world robot deployment further validates the effectiveness of our proposed approach.

arXivで原文を読む →arXiv概要ページ

← 論文一覧