ナビゲーション2026/9/13arXiv:2609.14297

LLM条件付けマルチタスク視覚知覚ネットワークによる自律ナビゲーション

Multi-Task Visual Perception Network with LLM Conditioning for Autonomous Navigation

大規模言語モデルでユーザー指示を解釈し、局所的な視覚情報と自己中心的な幾何指示から逐次行動計画を生成することで、地図のドリフトに依存せずにロボットをナビゲーションさせるフレームワークを提案した。

詳しい要約

1. どんなもの？

- サービスロボットの長期ナビゲーションにおけるオドメトリドリフトとセンサー誤差の蓄積に対処するため、グローバルに一貫した地図への依存を排除したユーザーフレンドリーなインタラクティブフレームワークを提案。 - 視覚知覚とLLMを統合し、テキストまたは音声によるユーザーコマンドを解釈。 - ドリフトしやすいグローバル地図の代わりに、局所的な視覚的手がかりと自己中心的な幾何学的指示に基づいて逐次行動計画を生成。 - 行動計画を逐次実行することで、既知および未知の環境で安全にナビゲーション。 - 即時ターゲットに対してローカリゼーションをリセットすることで、最小限のドリフト蓄積戦略を実現。

2. 先行研究と比べてどこがすごい？

- 従来のパスプランニングアルゴリズム（A*、RRT*、DiPPer、ViT-A*）は、オドメトリドリフトとセンサー誤差の蓄積により2Dマップが劣化し、時間とともに効果が低下する問題があった。 - 提案手法はグローバルに一貫した地図への依存を排除し、地図のメンテナンスオーバーヘッドなしで正確、効率的、衝突のないナビゲーションを実現。 - 実世界およびシミュレーションデータの実験で他の手法よりも大幅な改善を示した。

3. 技術・手法の肝は？

- 視覚知覚とLLMを統合し、テキストまたは音声によるユーザーコマンドを解釈。 - 局所的な視覚的手がかりと自己中心的な幾何学的指示に基づいて逐次行動計画を生成。 - 行動計画を逐次実行し、即時ターゲットに対してローカリゼーションをリセットすることで、最小限のドリフト蓄積戦略を実現。 - グローバル地図を必要とせず、既知および未知の環境で安全にナビゲーション。

4. どうやって有効だと検証した？

- 実世界およびシミュレーションデータを用いた実験を実施。 - 他の手法と比較して大幅な改善が示された。 - ソースコードは公開されている（https://github.com/PraveenSingh24/VL-Navigation）。

5. 議論はある？

- 要旨からは不明。

6. 次に読むべき論文は？

- A*、RRT*、DiPPer、ViT-A* などの従来のパスプランニングアルゴリズム。 - LLMをナビゲーションに統合した関連研究（要旨では具体的な論文名は挙げられていない）。

※ 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: Praveen Kumar, K. R. Guruprasad, Tushar Sandhan

分類: cs.RO

原文アブストラクト

Long-term navigation for service robots faces crit- ical challenges like the accumulation of odometry drift and sensor error, which progressively degrade 2D maps and renders traditional path planning algorithms (e.g., A*, RRT*, DiPPer, ViT-A*) ineffective over time. To address this, we propose a user-friendly, interactive framework that eliminates the reliance on globally consistent maps. Our approach integrates visual perception with Large Language Models (LLM) to interpret user commands via text or voice. Instead of relying on a drift- prone global map, the system generates a sequential action plan based on local visual cues and egocentric geometric instructions. These action plans are executed sequentially, allowing the robot to navigate known and unknown environments safely. By reset- ting localization relative to immediate targets, our framework effectively works with a minimum accumulation drift strategy, ensuring accurate, efficient, and collision-free navigation without the maintenance overhead of traditional mapping. Experiments on real-world and simulated data have shown significant improve- ments over other methods. Our source code is publicly accessible at https://github.com/PraveenSingh24/VL-Navigation.

arXivで原文を読む →arXiv概要ページ