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:2610.11591

信念に基づく行動と必要時の知覚：断続的知覚下のナビゲーションのためのベイズ空間世界モデル

Acting from Belief, Looking When Needed: A Bayesian Spatial World Model for Navigation under Intermittent Perception

シェア:XThreadsFacebookLINEはてブBluesky

共有センサが他タスクに使われ知覚が断続的になる状況で、ベイズ空間世界モデルにより内部信念から行動し、必要な時だけ観測を要求するナビゲーション手法ALONEを提案。ドローン実験で高い成功率と極めて少ない観測頻度を実現した。

詳しい要約

1. どんなもの？

- 断続的な知覚下でのロボットナビゲーションを扱う研究。 - 共有センサが他タスクに一時的に割り当てられ、ナビゲーション観測が途切れる状況を想定。 - 内部の空間信念から行動し、必要なときだけ観測する手法 ALONE を提案。 - Bayesian spatial world model により構造化された空間信念を伝播・修正。 - drone navigation に単眼カメラの depth image を断続的に用いる形で実装。

2. 先行研究と比べてどこがすごい？

- 従来は広範囲・高頻度センシングで部分観測性を低減するのが一般的。 - 本研究は観測頻度を大幅に下げる方向を目指す点が異なる。 - 共有センサをナビゲーション以外のタスクに解放できる可能性を示す。 - 成功試行の決定ステップのうち新規 depth 観測が必要だった割合は中央値 0.9% と 1.3%。 - 高いナビゲーション成功率を保ちつつ観測要求を大幅に削減。

3. 技術・手法の肝は？

- Bayesian spatial world model として ALONE を提案。 - 実行された行動で構造化空間信念を伝播。 - 選択的に取得した観測で信念を修正。 - 一般的な幾何構造に関する学習済み prior で未観測構造を観測履歴から推論。 - 信念を空間推定にデコードし motion-planning モジュールへ渡す。 - 推定精度への信頼度を表す reliability map を予測。 - 信頼度不足がナビゲーションを妨げ、新証拠が関連領域の空間情報をより信頼可能にする場合のみ観測を要求。

4. どうやって有効だと検証した？

- 2つの simulated scene families で評価。 - 10 Hz の決定レートで closed-loop 成功率 98% と 97%。 - 成功試行で新規 depth 観測が必要な決定ステップの中央値は 0.9% と 1.3%。 - 実世界の屋内飛行実験でも断続的な depth 観測下で検証。 - 実世界 10 試行すべて成功。

5. 議論はある？

- 断続的知覚下でも内部信念から行動し必要時のみ観測する有効性を示す。 - 共有センサを他タスクに解放できる可能性が議論の焦点。 - 観測要求の大幅削減と高い成功率の両立を主張。 - 限界や失敗条件、計算コスト、他センサ・他タスクへの一般化は要旨からは不明。

6. 次に読むべき論文は？

- 要旨で参照・比較されている個別研究は明示されていない。 - 関連手法として Bayesian spatial world model、motion-planning、reliability map、learned priors over geometric structures が挙げられる。 - 同分野の定番として SLAM、belief-space planning、active perception、partially observable Markov decision process (POMDP) が次に読む候補。

※ 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: Feihong Yang, Xiang Long, Jincheng Yu, Jianfei Zhang, Guangjun Ge, Chao Wang, Yu Wang

分類: cs.RO

原文アブストラクト

Robot navigation commonly uses wide-coverage, high-frequency sensing to reduce partial observability; this reliance becomes restrictive when another task temporarily redirects a shared sensor from navigation, interrupting navigation-relevant observations. We study navigation under intermittent perception: acting from an internal spatial belief and looking again only when execution needs a new observation, potentially freeing the shared sensor for other tasks between navigation observations. ALONE, a Bayesian spatial world model, propagates a structured spatial belief using executed actions and corrects it with selectively acquired observations; learned priors over common geometric structures infer unobserved structure from available observation history. It decodes the belief into a spatial estimate for the motion-planning module and predicts a reliability map expressing confidence in the estimate's accuracy. ALONE requests an observation only if insufficient reliability hinders navigation and new evidence should make relevant-region spatial information more reliable; otherwise, it continues acting from the propagated belief. We instantiate ALONE for drone navigation with intermittent single-camera depth images. Across two simulated scene families, it achieves 98% and 97% closed-loop success at a 10 Hz decision rate. Among successful trials, median fractions of decision steps requiring a new depth observation are only 0.9% and 1.3%, respectively, demonstrating high navigation success with substantially reduced observation demand. Real-world indoor flight experiments further validate navigation under intermittent depth observations, with all 10 trials successful.

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