ON as ALC: Active Loop Closing Object Goal Navigation

要約

同時ローカリゼーションとマッピングでは、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する可能性を最大化するためにロボットを視覚的に導き、それにより旅行中にインクリメンタ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することを目的とするアクティブなビジョンの問題です。
ただし、ワークスペースの事前知識など、このような不完全なマップを活用する現在の主流のナビゲーション戦略は、マップの蓄積エラーが大幅になる現代の長期的な長距離旅行シナリオでしばしば失敗します。
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、このペーパーは、特に具体化されたAIフィールドでのMapless Navigationを初めて検討し、オブジェクトゴールナビゲーション（一般的にObjnav、またはOGNまたはOGN）技術を使用して、そのような以前のマップを使用せずにターゲットオブジェクトを効率的に探索します。
具体的には、この作業では、プランナー上の既製の地図から開始し、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損失」と「損失時」を最小限に抑えることで最大化できることを示します。
この研究では、ALC-ON（ALCON）と呼ばれるシンプルで効果的なアプローチを強調し、成長するフロンティアガイド、データ駆動型、および技術に関するLLMガイドを活用することにより、挑戦的な長距離ALCテクノロジーの進歩を加速します。

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