基盤モデルによる身体性ナビゲーションの実環境展開

- Foundation Models (FMs) を Embodied Agents の navigation に適用する際の課題を扱う研究。 - 課題1: FMs の training bias により unseen environments での personalization が悪化。 - 課題2: FM の context length 制限が long horizon tasks の成功を妨げる。 - 解決策として TAP (Transit-Aware Planning) と MemCtrl を提案。 - 実世界の Turtlebot 実験と各種 embodied tasks での評価を報告。

- 既存の FM-based Embodied Navigation 研究の taxonomy を示し、training bias と context length の制限を指摘。 - TAP は human-habit data を scene から mining して FM に priming する点で personalization を改善。 - MemCtrl は memory head による active memory management で context 使用量を抑えつつ性能向上。 - 非 TAP baseline 比で平均 18% 改善、MemCtrl は各種タスクで平均 6%、long instruction subsets で 20% 改善。 - baseline の約半分の context 使用量で実現。

- TAP: scene から mining した human-habit data で FM を priming し、personalized target finding を実現。 - MemCtrl: 新規の memory head augmentation による active memory management を導入。 - これにより long horizon tasks での context 制限を緩和。 - 具体的なアルゴリズムや memory head の詳細は要旨からは不明。

- TAP: 実世界の lab environment で Turtlebot を用いた personalized target finding を評価。 - 非 TAP baseline に対し平均 18% の改善を確認。 - MemCtrl: 各種 embodied tasks で評価し、平均 6% 改善、long instruction subsets で 20% 改善。 - baseline model の約半分の context 使用量で達成。

- 結果を踏まえ、FM-based embodied agents の real-world environments への deployability に関する立場を提示。 - 今後の open research directions を強調。 - 具体的な議論の内容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は明示されていない。 - 関連手法として Foundation Models for Embodied Navigation の既存研究、Transit-Aware Planning (TAP)、MemCtrl が挙げられる。 - 同分野の定番として Embodied Navigation with Foundation Models や memory-augmented agents が考えられるが、具体的な論文名は要旨からは不明。