RangeNav: ナビゲーションに最適化したLiDARレンジ画像の事前学習

- 360°のpanoramic LiDARを用いたロボットナビゲーション向けの軽量な表現学習手法。 - LiDAR range-image encoder「RangeNav」は183kパラメータの小型モデル。 - 合成データのみでpretrainingし、その表現をRLのpolicy学習で凍結して使う。 - 密な群衆や clutter のある環境での障害物反応を狙う。

- 既存の3D pretrained point-cloud encoderはメモリ消費が大きく、massively parallel RL simulationに不向き。 - RangeNavは183kパラメータと非常にcompactで、並列RLシミュレーションに適する。 - RLでゼロから学習するよりsample-efficient（sparse reward下での非効率をpretrainingで緩和）。 - 合成データのみでpretrainしつつ、zero-shotで実機ナビゲーションに展開。

- LiDAR range-imageを入力とするencoderで、extreme aspect ratioとazimuthal seamに対処するためanisotropic convolutionsとcircular paddingを採用。 - pretraining目的はnavigation-aligned objective：range reconstruction、semantic segmentation、bird's-eye-view (BEV) predictionの組み合わせ。 - pretrain後はencoderをfreezeし、policy learningに用いる。 - 学習はすべてsynthetic dataで実施。

- シミュレーションで、reconstruction-only baselineに対しsemanticとBEVのsupervisionを加えると成功率が向上。 - procedurally generated training環境で平均+32.03pp、out-of-distribution realistic test環境で平均+23.73pp。 - Unitree B2-W quadrupedへのzero-shot real-world deploymentを実施。 - 密な群衆、low-light、construction zonesでrobustにナビゲーションし、limited-field-of-view depth policyが苦戦する状況に対応。

- 合成データのみのpretrainingで実環境zero-shot性能を示した点が議論の焦点。 - 限られた視野のdepth policyとの比較で優位性を示すが、詳細な比較条件は要旨からは不明。 - 計算資源制約下のmassively parallel RL simulationへの適合性を強調。 - 失敗事例や限界、ablationの詳細は要旨からは不明。

- reconstruction-only baseline（range reconstructionのみのpretraining）。 - 既存の3D pretrained point-cloud encoder（具体的名称は要旨からは不明）。 - limited-field-of-view depth policy（比較対象のdepthベース手法）。 - 関連するLiDAR range-image表現学習やBEV predictionを用いたナビゲーション研究（具体的論文名は要旨からは不明）。