日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

週刊ニュースレター購読
ナビゲーションarXiv:2609.18193

WAVE-Go: 車輪脚ロボットのための適応的実行を伴う世界モデルナビゲーション

WAVE-Go: World-Model Navigation with Adaptive Execution for Wheel-Legged Robots

シェア:XThreadsFacebookLINEはてブBluesky

世界モデルによる行動予測と割り込み可能なコマンド実行を分離し、動的障害物や移動モード変化に対応する画像ゴールナビゲーション手法を提案。成功率向上と衝突低減を実現した。

詳しい要約

1. どんなもの？

- 画像ゴールナビゲーションのフレームワーク WAVE-Go を提案 - wheel-legged robot を対象とし、world model による行動予測と割り込み可能なコマンド実行を分離 - 実行中に観測が更新され予測行動列が無効化された場合、executor が action prefix を適応選択し保留コマンドをキャンセル - 条件付きリスク定式化で累積失敗予算下の prefix 選択を規定 - posture と locomotion-mode 遷移には clearance, stability, task-evidence のチェックを要求

2. 先行研究と比べてどこがすごい？

- 従来の world model ベース手法は予測行動列が実行中に無効化される問題に対処しきれない - WAVE-Go は world-action prediction と interruptible command execution を分離 - 報告されたナビゲーション評価で in-distribution 成功率 74.1%、dynamic out-of-distribution 成功率 63.3% - 最強 baseline をそれぞれ 4.7、7.7 ポイント上回る - 衝突を 100 m あたり 4.4 から 2.9 に削減 - interruptible fixed four-command execution と比べ成功率 +4.0 ポイント、replanning 頻度 -51.2%、衝突率 -6.5%

3. 技術・手法の肝は？

- world-action prediction と interruptible command execution を分離する枠組み - executor が action prefix を適応選択し、更新観測が実行を無効化する場合に pending commands をキャンセル - conditional-risk formulation により、推定累積失敗予算の下で prefix 選択を規定 - posture と locomotion-mode の遷移には clearance, stability, task-evidence のチェックを課す - 実行時の interruption を許容し、再計画と衝突のバランスを取る

4. どうやって有効だと検証した？

- 報告されたナビゲーション評価で in-distribution 成功率 74.1%、dynamic out-of-distribution 成功率 63.3% を達成 - 最強 baseline をそれぞれ 4.7、7.7 ポイント上回る - 衝突を 100 m あたり 4.4 から 2.9 に削減 - interruptible fixed four-command execution と比較し、成功率 +4.0 ポイント、replanning 頻度 -51.2%、衝突率 -6.5% - execution ablations により、runtime interruption が成功率、衝突率、reaction latency を改善する一方、replanning が増えることを示す

5. 議論はある？

- 適応的で割り込み可能な実行がナビゲーション性能と planning overhead のバランスを取る手段として支持される - runtime interruption は成功率、衝突率、reaction latency を改善するが、追加の replanning を要する - 動的障害物や locomotion mode 変更時の予測行動列の無効化に対処 - その他の限界や議論は要旨からは不明

6. 次に読むべき論文は？

- 要旨で参照/比較されている研究: interruptible fixed four-command execution - 関連手法: world model ベースのナビゲーション、image-goal navigation、wheel-legged robot の locomotion - 同分野の定番: world model を用いた model-based reinforcement learning、visual navigation、dynamic obstacle avoidance

※ 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: Mingyi Li, Ji Li, Zhihao Ouyang, Yage He, Börje F. Karlsson

分類: cs.RO

原文アブストラクト

World models can anticipate the consequences of navigation actions, but predicted action sequences may become invalid during execution, especially when wheel-legged robots encounter dynamic obstacles or change locomotion modes. We propose WAVE-Go, an image-goal navigation framework that separates world-action prediction from interruptible command execution. Its executor adaptively selects an action prefix and cancels pending commands when updated observations invalidate execution. A conditional-risk formulation specifies prefix selection under an estimated cumulative failure budget, while posture and locomotion-mode transitions require clearance, stability, and task-evidence checks. In the reported navigation evaluation, WAVE-Go achieves 74.1% in-distribution success and 63.3% dynamic out-of-distribution success, exceeding the strongest baseline by 4.7 and 7.7 percentage points, respectively, while reducing collisions from 4.4 to 2.9 per 100 m. Compared with interruptible fixed four-command execution, WAVE-Go raises success by 4.0 percentage points while reducing replanning frequency by 51.2% and collision rate by 6.5%. Execution ablations also show that runtime interruption improves success, collision rate, and reaction latency at the cost of additional replanning. These results support adaptive, interruptible execution as a means of balancing navigation performance and planning overhead. Code is available at https://github.com/vigorlee/wave-go.

arXivで原文を読む →arXiv概要ページ

関連論文

← 論文一覧
PR本紙発行元 EmplifAI