ユニバーサルナビゲーションインターフェース：車輪ロボットのためのロボット不要データ収集

- 車輪付きロボットのナビゲーション用データを、ロボットなしで収集する手法「Universal Navigation Interface (UNI)」を提案。 - 四輪のrollator walkerとsmartphoneを用いて、物理的に制約された人間のデモンストレーションを収集。 - rollatorは階段や段差、狭い隙間を通れないため、デモは自然に車輪で走行可能な経路に偏る。 - UNIで37.2 kmの実世界ナビゲーションデータを収集し、metric trajectoryを復元してgoal-conditioned navigationモデルを直接監督。

- 従来の実世界ナビゲーションデータ収集はプラットフォーム固有のteleoperationが必要で、大規模収集が高コスト・スケール困難。 - UNIはロボットを使わず、低コストな物理プロキシ（rollator + smartphone）でデータ収集を可能にする点が新しい。 - 収集データでvisual-navigationモデルをfine-tuningすると、held-out UNIデモでのtrajectory prediction errorが17.4-24.8%減少。 - 他のナビゲーションデータセットでの評価でもデータセットや指標により利益があることを示す。

- 四輪rollator walkerとsmartphoneを用いて、物理的制約下での人間のデモを収集。 - rollatorの物理的制約（階段不可、段差不可、狭所不可）により、車輪走行可能な経路にバイアスされたデモが自然に得られる。 - 収集したデモからmetric trajectoryを復元し、goal-conditioned navigationモデルの直接監督に利用。 - 復元した軌道でvisual-navigationモデルをfine-tuningする。

- UNIで37.2 kmの実世界ナビゲーションデータを収集。 - held-out UNIデモにおいて、fine-tuningによりtrajectory prediction errorが17.4-24.8%減少。 - 他のナビゲーションデータセットでも評価し、データセットと指標に応じた利益を確認。 - さらに、curb、staircase、curb-cutシナリオでpowered wheelchairへのclosed-loop transferを実証。

- 低コストな物理プロキシが、目標ロボットなしで収集されたナビゲーション監督の実用的な源となることを支持する結果。 - 他のナビゲーションデータセットでの利益はデータセットや指標によって異なる。 - 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/比較されている研究や関連手法は明示されていない。 - 同分野の定番として、visual navigation、goal-conditioned navigation、imitation learning、teleoperation、wheelchair navigationなどの一般名が挙げられる。