日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

ナビゲーションarXiv:2611.23774

自己改善プロセスを再帰的に改善するゼロショット多物体ナビゲーション

Improve How You Improve: Recursive Policy Self-Improvement for Zero-Shot Open-Vocabulary Multi-Object Navigation

シェア:XThreadsFacebookLINEはてブBluesky

ゼロショット多物体ナビゲーションのための方策自己改善フレームワークRPSI-Navを提案し、ナビゲーションプログラムとその改訂メカニズムの両方を再帰的に改善することで探索効率を高める。

詳しい要約

1. どんなもの?

- zero-shot open-vocabulary multi-object navigation のための枠組み - ロボットが未学習環境で複数物体を効率的に探索することを目的とする - 従来の policy self-improvement を拡張し、navigation program とその revision mechanism の両方を改訂する RPSI-Nav を提案 - 自己改善プロセス自体を再帰的に改善する点が特徴

2. 先行研究と比べてどこがすごい?

- 従来手法は trajectory reflection と rule revision で policy を自動改善 - しかし問題診断と revision 生成の仕組みは人間が設計し、反復間で固定 - そのため policy が進化しても自己改善能力が制約される - RPSI-Nav は navigation program に加え revision mechanism 自体も改訂し、この制約を緩和

3. 技術・手法の肝は?

- 探索行動を診断し、既存観測で原因を区別できない場合は diagnostic views を要求 - 対象を絞った navigation revisions を生成 - 後続の goal search からの feedback を、revision を生んだ rules に紐付け - これにより diagnosis、observation acquisition、revision planning の変更を導く - 更新された improver が以降の改善を統治する再帰ループを形成 - goals 間で accepted program updates と spatial memory を条件的に継承

4. どうやって有効だと検証した?

- benchmark experiments により有効性を検証 - qualitative real-robot evaluations も実施 - 具体的なベースラインや指標は要旨からは不明

5. 議論はある?

- 自己改善機構の再帰的改訂が探索性能と適応に寄与する可能性を示唆 - ただし定量的な限界、失敗条件、計算コスト、real-robot 評価の詳細は要旨からは不明 - 継承条件の設計や feedback 紐付けの頑健性についての議論は要旨からは不明

6. 次に読むべき論文は?

- trajectory reflection と rule revision を用いる先行の policy self-improvement 研究 - zero-shot open-vocabulary multi-object navigation の代表的手法 - embodied general navigation 関連の研究 - 具体的な論文名は要旨からは不明

※ 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: Yang Li, Ziju Han, Aming WU, Zihao Zhang, Sijia Zhang, Yahong Han, Qinghua Hu

分類: cs.RO

原文アブストラクト

To advance the development of embodied general navigation, zero-shot open-vocabulary multi-object navigation has attracted increasing attention, aiming to enable robots to efficiently search multiple objects in unseen environments without training. For this task, the key lies in improving navigation policies from earlier searches to locate subsequent goals more efficiently. Recent methods automate this process through trajectory reflection and rule revision, enabling policy self-improvement. However, the mechanisms for diagnosing problems and generating revisions are typically designed by humans and remain fixed across iterations. Consequently, the system's capacity for continued self-improvement remains constrained, even as its navigation policy evolves. To this end, we propose RPSI-Nav, a Recursive Policy Self-Improvement framework for zero-shot multi-object navigation that revises both the navigation program and its revision mechanism. RPSI-Nav diagnoses search behavior, requests diagnostic views when existing observations cannot distinguish competing causes, and generates targeted navigation revisions. Feedback from subsequent goal searches is linked to the rules that produced these revisions, guiding changes to diagnosis, observation acquisition, and revision planning. The updated improver governs subsequent navigation improvements, forming a recursive loop in which RPSI-Nav revises its own improvement process. Across goals, the robot conditionally inherits accepted program updates and spatial memory, enabling search experience to improve both future navigation and adaptation. Benchmark experiments and qualitative real-robot evaluations validate RPSI-Nav's effectiveness.

関連論文

  1. 1パナソニックHDなど、触覚に即応する両手作業AI「T-Rex」を共同開発研究・技術
  2. 2GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  3. 3日経クロステック、NVIDIA取締役会のファンCEO解任議論を報道 同社は同日、辞任を発表業界動向
  4. 4NVIDIA、ヒトの動きをロボットに適応する「SOMA Retargeter」を紹介研究・技術
  5. 5ティアフォーとTUM、Autowareでミュンヘン大型路線バスの自動運転開発を支援提携・買収

PR・アフィリエイト広告

FRONTIER(GPU搭載BTOパソコン)

FRONTIER(GPU搭載BTOパソコン)の公式広告バナーFRONTIERでGPU搭載PCを見る ↗
PR本紙発行元 EmplifAI