S³-Nav: 言語誘導ロボットナビゲーションのための構造化空間-意味意思決定
$S^3$-Nav: Structured Spatial-Semantic Decision Making for Language-Guided Robot Navigation
部分的観測下で言語指示に従うロボットナビゲーションのため、永続的な空間-意味状態を逐次構築し、方策には容量制御されたタスク条件付きビューのみを提示する構造化意思決定フレームワークを提案。
詳しい要約
1. どんなもの？
2. 先行研究と比べてどこがすごい？
3. 技術・手法の肝は？
4. どうやって有効だと検証した？
5. 議論はある？
6. 次に読むべき論文は？
※ 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: Chaemin Lee, Hae Min Cho
分類: cs.RO
原文アブストラクト
This paper presents $S^3$-Nav, a structured spatial-semantic decision-making framework for language-guided robot navigation under partial observability. Rather than assuming a complete environment representation in advance, $S^3$-Nav incrementally constructs persistent spatial-semantic state while exposing only a capacity-controlled, task-conditioned view to the high-level policy. This separation decouples what the robot must retain from what the policy needs to inspect, allowing decision complexity to be controlled without discarding grounded evidence required for subsequent reasoning and validation. High-level navigation outputs remain provisional and are independently grounded and validated against persistent semantic evidence and current geometric observations before physical execution or task termination. Evaluations across multiple environments and object- and relation-goal tasks demonstrate that separating persistent state, decision-facing evidence, and execution authority improves closed-loop navigation reliability while reducing policy reasoning cost.
関連論文
- 失敗から学べる世界へ：ナビゲーションエージェントのためのポリシー条件付き環境生成ナビゲーション
- HM3D-M3: マルチエージェント・マルチモーダル・マルチオブジェクト目標ナビゲーションのベンチマークナビゲーション
- GS-PRM: ガウスビジュアルロードマップによる画像ゴールナビゲーションナビゲーション
- 幾何学的候補モードを用いたマルチモーダル実演からのナビゲーション学習ナビゲーション
- 有界外乱下における複数障害物間の安全な一輪車ナビゲーション：学習拡張型CLF-CBFアプローチナビゲーション
- DR-VLA: 一人称視点のWeb動画からドメイン不変なシーン表現を介して人間らしい四足歩行ナビゲーションを学習ナビゲーション