較正済み視覚言語ナビゲーションによる未知環境での物体探索

- 本論文は CPNav という、未見環境における object-goal navigation のための navigation framework を提案する。 - RGB-D 入力から navigability map を構築し、collision-free な motion primitives を生成する。 - 2つの VLM を goal detection と action scoring に用いる。 - VLM の action scores を conformal prediction (CP) で offline に calibration する。 - 地図を持たない map-free な枠組みで、simulation と実機の両方で評価する。

- VLM ベース手法は豊かな semantic reasoning を持つ一方、action decision が uncalibrated で overconfident になりやすいという課題がある。 - CPNav は collision-aware planning と統計的に calibrated な VLM action scoring を組み合わせる点が特徴。 - conformal prediction (CP) により user-specified risk level での finite-sample guarantees を与える。 - CP layer は model-agnostic で任意の VLM policy に適用可能。 - 未calibrated baseline と比較して SR/SPL の改善を報告している。

- RGB-D から navigability map を構築し、collision-free な motion primitives を生成する。 - 2つの VLM に goal detection と action scoring を問い合わせる。 - tree-structured exploration procedure with backtracking により oracle actions を取得し、それを使って offline に CP でスコアを calibration する。 - online では calibrated VLM scores が action selection を導く。 - tree-structured exploration history が代替 action を記録し、backtracking を可能にする。

- AI Habitat simulation と実機の両方で評価している。 - simulation では HM3D v0.2 と MP3D で評価。 - HM3D v0.2 で uncalibrated baseline 比 SR 6.2%、SPL 11.4% の相対改善。 - MP3D で SR 12.4%、SPL 8.8% の相対改善。 - 実機では modified Hiwonder MentorPi robot を用いて展開。 - SR 24.9%、SPL 15.2% の相対改善を報告。

- 要旨からは不明。 - ただし CP による finite-sample guarantees が user-specified risk level で与えられる点、CP layer が model-agnostic である点が述べられている。 - 実機展開での改善幅が simulation より大きい理由などについての議論は要旨からは不明。

- 要旨で直接参照/比較されているのは uncalibrated baseline method と VLM-based methods。 - 関連手法として conformal prediction (CP)、VLM、AI Habitat、HM3D v0.2、MP3D、Hiwonder MentorPi robot が挙げられる。 - 具体的な論文名は要旨からは不明。