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:2610.18307

I2O2I-Nav: 屋内-屋外-屋内の長距離ナビゲーションのためのベンチマークとモジュラーエージェント

I2O2I-Nav: A Benchmark with a Modular Agent for Long-Horizon Indoor-to-Outdoor-to-Indoor Navigation

シェア:XThreadsFacebookLINEはてブBluesky

屋内と屋外をまたぐ長距離ナビゲーションを評価する物理シミュレーションベンチマークを構築し、複数の固定ナビゲーションポリシーを連携させるモジュラーエージェントを提案した。

詳しい要約

1. どんなもの？

- 屋内→屋外→屋内(I2O2I)の長距離ナビゲーションを評価する物理有効化ベンチマークとモジュラエージェントの提案。 - 20の実世界複合シーン、115,000平方メートル超、複数建物・階層、3DGSレンダリングと衝突ジオメトリを整備。 - 3段階評価: 独立プリミティブ、2段階合成、完全4段階I2O2Iミッション。 - 各段階は前段階の実際の終点から開始し、段階条件付き指標で完了と失敗箇所を追跡。 - MODULAR-Agentは凍結ナビゲーションポリシーを完了検証・段階ハンドオフ・有界リカバリで調整。

2. 先行研究と比べてどこがすごい？

- 既存のembodied navigationベンチマークは孤立した段階や部分的なクロスドメイン旅程を評価し、異種ナビゲーション能力の連続実行下での合成を評価しにくい。 - 本ベンチマークは物理有効化された20の実世界複合シーンと3DGSレンダリング・衝突ジオメトリを備え、連続実行を支援。 - 3段階評価と段階条件付き指標により、ミッションに沿った完了と失敗の局在化を可能にする。 - 同一の基盤ポリシーを用いる固定ポリシーチェーンと比較し、I2OとO2Iで成功率を2倍以上にし、完全ミッション成功率を1.15%から4.02%に改善。

3. 技術・手法の肝は？

- 物理有効化ベンチマークI2O2I-Nav: 20の実世界複合シーン、115,000平方メートル超、複数建物・階層、3DGSレンダリングと衝突ジオメトリ。 - 3段階評価: 独立プリミティブ、2段階合成、完全4段階I2O2Iミッション。各段階は前段階の実際の終点から開始。 - 段階条件付き指標で完了と失敗をミッションに沿って局在化。 - MODULAR-Agent: 凍結ナビゲーションポリシーを完了検証・段階ハンドオフ・有界リカバリで調整。

4. どうやって有効だと検証した？

- 1,374エピソードで評価。 - MODULAR-Agentは個別プリミティブで40.5-76%の成功率。 - 完全I2O2I成功率は低いまま。 - 同一基盤ポリシーを用いる固定ポリシーチェーンと比較し、I2OとO2Iで成功率を2倍以上に、完全ミッション成功率を1.15%から4.02%に改善。 - 段階別分析で、MODULAR-Agentが最終物体ナビゲーション段階に到達するミッションを増やすが、その条件付き成功率は低いままであることを示す。

5. 議論はある？

- 連続合成の難しさが浮き彫り。 - MODULAR-Agentは個別プリミティブでは40.5-76%成功するが、完全I2O2I成功は低い。 - 段階別分析は、長距離段階実行と完了決定の両方に課題があることを明らかにする。 - 最終物体ナビゲーション段階の条件付き成功率が低いことが示される。

6. 次に読むべき論文は？

- 要旨で参照/比較されている研究: 固定ポリシーチェーン、既存のembodied navigationベンチマーク。 - 関連手法: 凍結ナビゲーションポリシー、MODULAR-Agent。 - 同分野の定番: embodied navigation benchmarks, cross-domain navigation, long-horizon navigation。

※ 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: Zhengjie Shu, Wanyu Li, Di Xiao, Lingxin Jiang, Lai Jiang, Kaidi Hu, Xincheng Tang, Wenkang Hu, Haoran Wang, Jinchuan Zhang, Chang Chen, Wei Li, Jia Pan, Ruigang Yang

分類: cs.RO

原文アブストラクト

Service and delivery robots often need to complete long-horizon navigation missions spanning indoor and outdoor environments. Existing embodied navigation benchmarks primarily evaluate isolated stages or partial cross-domain journeys, providing limited support for assessing how heterogeneous navigation capabilities compose under continuous execution. We introduce I2O2I-Nav, a physics-enabled benchmark of 20 real-world composite scenes spanning over 115,000 square meters across multiple buildings and floors, with aligned 3DGS rendering and collision geometry. Its three-level evaluation progresses from independent primitives to two-stage compositions and complete four-stage I2O2I missions. Each stage starts from its predecessor's actual endpoint, while stage-conditional metrics track completion and localize failures along the mission. We further propose the MODULAR-Agent that coordinates frozen navigation policies through completion verification, stage handoffs, and bounded recovery. Evaluation across 1,374 episodes highlights the difficulty of continuous composition. The MODULAR-Agent achieves 40.5-76% success on individual primitives, but full I2O2I success remains low. Compared with a fixed policy chain using the same underlying policies, it more than doubles success on both Indoor-to-Outdoor (I2O) and Outdoor-to-Indoor (O2I), while improving full-mission success from 1.15% to 4.02%. Stage-wise analysis shows that the MODULAR-Agent enables more missions to reach the final object-navigation stage, where conditional success remains low, revealing challenges in both long-horizon stage execution and completion decisions.

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