OpenBelief-Nav: オープン語彙言語誘導ナビゲーションのための証拠保持オブジェクトメモリ

OpenBelief-Navは、オープンボキャブラリ言語誘導ナビゲーションのための、証拠を保持するオブジェクトメモリを提案する。マッピングされたオブジェクトを単一の融合特徴や確定ラベルにコミットするのではなく、観測レベルのフレーズ、信頼性キュー、フレームマスクの来歴を保持し、幾何学的・視覚的表現を別々に集約する。意味的に関連するフレーズは語彙に依存しないオブジェクト信念に統合され、タスク固有の読み出しにより固定語彙投影や自由形式検索を行う。

従来のオープンボキャブラリ3Dシーングラフは、オブジェクトを単一の融合特徴や確定ラベルで表現するため、少数派だがタスクに関連する仮説がタスク時のインターフェースから失われる問題があった。OpenBelief-Navは証拠を保持することで、このコミットメントによる情報喪失を回避し、タスクに応じた柔軟な読み出しを可能にする点が新しい。

手法の核は、観測レベルのフレーズ、信頼性キュー、フレームマスクの来歴を保持しつつ、幾何学的・視覚的表現を別々に集約するオブジェクトメモリの設計。意味的に関連するフレーズを語彙非依存のオブジェクト信念に統合し、タスク固有の読み出し（固定語彙投影または自由形式検索）を行う。また、ナビゲーション時の修正ポリシーにより、候補を最大2回検証する。

ScanNet200の5シーンとReplicaの8シーンで、full-belief projectionはmIoU 0.2742と0.2912を達成し、early-commit readoutの0.2393と0.2701を上回った。HM3D-YCBの78回のナビゲーション試行では、consensusとearly-commit retrievalがそれぞれ60/78成功し、belief-weighted retrievalの58/78、DualMapの55/78を上回った。Unitree G1の20回の実行（10組のマッチド評価ケース）では、修正ポリシーによりtop-1のみの実行の6/10から8/10へと目標確認成功率が向上した。

要旨からは、提案手法の限界や計算コスト、実環境でのスケーラビリティなどに関する議論は不明。また、修正ポリシーが最大2回の検証に限定されている点や、異なるタスクでの汎用性については要旨からは不明。

要旨で参照されているDualMap、および関連するオープンボキャブラリ3Dシーングラフや言語誘導ナビゲーションの研究（例：ConceptGraphs、Semantic Scene Graphs）が次に読むべき論文として挙げられる。