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:2611.25587

認知ホライズン行動チャンキング:記憶誘導型適応推論による身体性ナビゲーション

Cognitive-Horizon Action Chunking: Memory-Guided Adaptive Reasoning for Embodied Navigation

シェア:XThreadsFacebookLINEはてブBluesky

凍結したナビゲーションポリシーのまま、記憶とフィードバックに基づいて行動をまとめて実行し、モデル呼び出しを大幅に削減する学習不要のフレームワークを提案。

詳しい要約

1. どんなもの?

- どんなもの? - 具身ナビゲーション(embodied navigation)向けの推論コスト削減フレームワーク - 名称は Cognitive-Horizon Action Chunking (CHAC) - training-free で、frozen な navigation policy を用いる - 記憶誘導型の適応的推論(memory-guided adaptive reasoning)を実現 - 視覚言語モデル(VLM)呼び出し回数を削減することを狙う

2. 先行研究と比べてどこがすごい?

- 先行研究と比べてどこがすごい? - 頻繁な推論コストが課題となる Multimodal foundation models ベースのナビゲーションに対し、追加学習なしで適用可能 - HM3D-OVON で VLM 呼び出しを 33.4% 削減(成功率低下 0.63pt) - R2R-CE で 64.7% 削減(成功率低下 10.82pt) - 両ベンチマークで model call あたりの success rate と success weighted by path length (SPL) が向上 - 実機 4 タスク計 40 試行/手法で 18 成功(ネイティブ実行は 14)、model call 54.9% 減、GPU 推論時間 49.7% 減 - 具体的な比較対象の先行研究名は要旨からは不明

3. 技術・手法の肝は?

- 技術や手法の肝はどこ? - frozen な navigation policy をそのまま利用 - cognitive horizon(認知ホライズン)= 予測を更新する前に実行するキャッシュ済み waypoint 数を、以下で決定 - retained visual context(保持された視覚的文脈) - completion cues(完了の手がかり) - controller feedback(コントローラのフィードバック) - policy の stop request 時に、局所的な訪問履歴(local visitation history)に基づく bounded correction を実施 - 追加移動は最大 1 回 - 追加の model call は行わない

4. どうやって有効だと検証した?

- どうやって有効だと検証した? - シミュレーションベンチマーク: HM3D-OVON と R2R-CE で評価 - VLM 呼び出し削減率と成功率低下を計測 - model call あたりの success rate と SPL を評価 - 実機検証: 4 つの physical navigation タスク、各手法 40 試行 - 成功率(CHAC 18 対 ネイティブ 14) - model call 削減率 54.9% - GPU 推論時間削減率 49.7%

5. 議論はある?

- 議論はある? - R2R-CE では成功率が 10.82pt 低下しており、削減率と性能のトレードオフが存在 - HM3D-OVON では成功率低下は 0.63pt と小さいが、ベンチマーク間で挙動差がある - cognitive horizon の決定に用いる cues の感度や、bounded correction の限界については要旨からは不明 - 実機タスクの詳細や統計的有意性については要旨からは不明

6. 次に読むべき論文は?

- 次に読むべき論文は? - HM3D-OVON および R2R-CE ベンチマークの原論文(OVON, R2R-CE) - Multimodal foundation models を用いた embodied navigation の代表的手法 - action chunking や waypoint caching に関するナビゲーション研究 - training-free / frozen policy 推論効率化に関する研究 - 要旨で直接参照・比較されている個別研究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: Weile Gong, Zijian Lu, Jiahao Zheng, Bo Xu, Yiping Zuo, Jiajia Guo, Xin He, Weijun Wang, Weibei Fan

分類: cs.RO

原文アブストラクト

Multimodal foundation models are advancing embodied navigation, but frequent inference incurs substantial computational cost. We present Cognitive-Horizon Action Chunking (CHAC), a training-free framework for memory-guided adaptive reasoning with a frozen navigation policy. Retained visual context, completion cues, and controller feedback determine the cognitive horizon, or how many cached waypoints the robot executes before refreshing its prediction. At the policy's stop request, local visitation history guides a bounded correction with at most one extra movement and no additional model calls. CHAC reduces vision-language model calls by 33.4% on HM3D-OVON and 64.7% on R2R-CE, with success-rate decreases of 0.63 and 10.82 percentage points, respectively. Success rate and success weighted by path length improve per model call on both benchmarks. Across four physical navigation tasks with 40 runs per method, CHAC achieves 18 successes versus 14 for native execution, reducing model calls by 54.9% and GPU inference time by 49.7%.

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. 2川崎重工業のロボット外販を報道新製品・発表
  3. 3Boston Dynamics、GlobalFoundriesでAtlasを試験へ 半導体製造で2027年初頭から半導体・GPU
  4. 4丸文、RealManのロボットアームやヒューマノイドを国内販売提携・買収
  5. 5NVIDIA、SC26で科学研究向けAIエージェントとHPC基盤を発表新製品・発表

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