RACO: 点検指向UAV視覚言語ナビゲーションのための信頼性を考慮した粗目標最適化

UAV-VLN（UAV vision-language navigation）の検査指向（inspection-oriented）設定に特化した評価環境LG-UVIと、粗い目標（coarse goal）の信頼性を考慮した適応的粗密ナビゲーションフレームワークRACOを提案する研究。従来のUAV-VLNは目標到達（goal reaching）で評価されるが、検査用途では有効な検査領域内で停止し、視覚的・意味的に類似する妨害物体（distractor）を誤って確認しないことが求められる。LG-UVIはCityNav/CityReferから派生した物体中心の検査評価設定で、目標物体、ハードな妨害物体、タイプ認識型検査領域、検査領域到達と物体レベル確認の診断指標を提供する。RACOは予測された粗い目標を固定ウェイポイントではなく実行時仮説とみなし、物体レベルの候補アンカーを用いて粗い位置推定を補正し、スケール適応型終端調整を適用する。

既存のcoarse-to-fine UAV-VLNポリシーは、局所調整前に予測される粗い目標を信頼できると仮定するが、実際には妥当に見えるが誤った物体領域にドリフトし、局所段階の回復を制限する弱点がある。RACOはこの弱点に着目し、粗い目標を実行時仮説として扱い、物体レベルの候補アンカーで補正する点が新しい。また、検査指向の評価設定LG-UVIを導入し、従来の目標到達評価では捉えられない検査領域到達や誤確認リスクを評価する点も先行研究と異なる。

RACOは、粗い目標を固定ウェイポイントではなく実行時仮説とみなし、物体レベルの候補アンカーを用いてStage 1前とStage 1からStage 2への境界で粗い位置推定をチェック・補正する。さらに、実行時に観測可能な幾何学的・アンカーベースの証拠を用いて、終端近傍のニアミスケースに対処するスケール適応型終端調整を適用する。

統一オンライン評価プロトコル下で、再現したHETTベースラインと比較し、validation-unseenでSRを9.53ポイント、test-unseenで7.98ポイント改善した。また、検査領域到達を改善し、誤確認リスクを低減することを示した。

要旨からは、粗い目標の信頼性最適化が既存のcoarse-to-fine UAV-VLNポリシーへの効果的な補完となることが示唆されるが、具体的な議論や限界については要旨からは不明。

要旨で参照されているCityNav/CityRefer、および比較対象のHETTベースラインに関連する研究。また、UAV-VLNのcoarse-to-fineポリシーに関する既存研究。