ON as ALC: Active Loop Closing Object Goal Navigation

要約

位置特定とマッピングを同時に行う場合、アクティブ ループ クロージング (ALC) は、以前に訪問したポイントを再訪問する可能性を最大化するようにロボットを視覚的にガイドすることを目的としたアクティブ ビジョンの問題であり、それによって移動中に段階的に構築されたマップに蓄積されたドリフト エラーをリセットします。
しかし、ワークスペースの事前知識としてそのような不完全な地図を活用する現在の主流のナビゲーション戦略は、地図の蓄積エラーが顕著になる現代の長期自律走行の長距離移動シナリオでは失敗することがよくあります。
マップベースのナビゲーションのこれらの制限に対処するために、この論文は、具体化された AI 分野におけるマップレス ナビゲーション、特にターゲットを効率的に探索するオブジェクト ゴール ナビゲーション (通常、ON、ObjNav、または OGN と略される) 技術を利用する最初の研究です。
このような事前マップを使用せずにオブジェクトを作成します。
具体的には、この研究では、既製のマップレス ON プランナーから開始し、それを拡張して以前のマップを利用し、さらに、長距離 ALC (LD-ALC) のパフォーマンスが「
「ALCロス」と「ONロス」です。
この研究では、成長を続けるフロンティア主導、データ主導、LLM 主導の ON テクノロジーを活用して、困難な長距離 ALC テクノロジーの進歩を加速する、ALC-ON (ALCON) と呼ばれるシンプルで効果的なアプローチに焦点を当てています。

要約(オリジナル)

In simultaneous localization and mapping, active loop closing (ALC) is an active vision problem that aims to visually guide a robot to maximize the chances of revisiting previously visited points, thereby resetting the drift errors accumulated in the incrementally built map during travel. However, current mainstream navigation strategies that leverage such incomplete maps as workspace prior knowledge often fail in modern long-term autonomy long-distance travel scenarios where map accumulation errors become significant. To address these limitations of map-based navigation, this paper is the first to explore mapless navigation in the embodied AI field, in particular, to utilize object-goal navigation (commonly abbreviated as ON, ObjNav, or OGN) techniques that efficiently explore target objects without using such a prior map. Specifically, in this work, we start from an off-the-shelf mapless ON planner, extend it to utilize a prior map, and further show that the performance in long-distance ALC (LD-ALC) can be maximized by minimizing “ALC loss’ and “ON loss’. This study highlights a simple and effective approach, called ALC-ON (ALCON), to accelerate the progress of challenging long-distance ALC technology by leveraging the growing frontier-guided, data-driven, and LLM-guided ON technologies.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google