信頼度対応の意味・幾何融合によるロバスト探索と高精度ゼロショット物体ゴールナビゲーション

- 未学習環境で対象物体を探索・到達する zero-shot object-goal navigation のためのフレームワーク CSG-Nav を提案した研究。 - confidence-aware な multimodal information fusion を中心に据え、semantic-source fusion、spatial-confidence fusion、semantic-geometric decision fusion の3機構を統合する。 - 長距離知覚の不確実性、hallucination による方向バイアス、意味的には妥当だが幾何的に誤った停止判断に対処することを狙う。

- foundation-model-based 手法は汎化性を改善したが、unreliable long-range perception、hallucination-induced directional bias、semantically plausible but geometrically incorrect stopping decisions に脆弱とされる。 - CSG-Nav はこれらに対し、confidence を考慮した fusion で方向スコアの信頼性向上と物理的に接地した停止判断を目指す点が差分。 - 具体的な先行研究名や定量比較は要旨からは不明。

- semantic-source fusion: open-vocabulary detection 結果、detection confidence、scene observations、relational reasoning を統合し、direction-level semantic scores を信頼化して hallucination 由来の方向バイアスを抑制。 - spatial-confidence fusion: 多視点の semantic evidence を Gaussian decay function で重み付けし、遠方の不確実な観測を抑制しつつ空間的に一貫した exploration preferences を蓄積。 - semantic-geometric decision fusion: semantic target detection と depth-based 3D localization を組み合わせ、物理的に接地した stopping decisions を支援。

- HM3Dv1、HM3Dv2、MP3D 上で zero-shot 性能を評価し、success rates 58.9%、71.6%、44.3% を報告。 - fusion-level ablations を実施。 - 屋内・屋外環境での real-world deployments により有効性と実用性を検証。

- 長距離知覚の不確実性や hallucination による方向バイアス、意味的に妥当でも幾何的に誤った停止判断が課題として議論されている。 - fusion-level ablations と実環境展開から有効性・実用性が示される一方、限界や失敗事例の詳細は要旨からは不明。

- foundation-model-based zero-shot object-goal navigation の先行手法（具体名は要旨からは不明）。 - open-vocabulary detection を用いる zero-shot navigation 研究。 - HM3Dv1、HM3Dv2、MP3D をベンチマークとする object-goal navigation 研究。 - 関連実装として公開コード https://xr-ui.github.io/CSGNav.github.io/ を参照。