MOON: Multi-Objective Optimization-Driven Object-Goal Navigation Using a Variable-Horizon Set-Orienteering Planner

要約

Object-Goal Navigation（on）により、自動運転ロボットは、以前は未知の環境でユーザー指定のオブジェクトを見つけて到達でき、支援や災害対応などのドメインで有望なアプリケーションを提供できます。
トレーニングなしのアプローチ、強化学習、ゼロショットプランナーなどの方法に存在する – 一般に、ランドマークオブジェクト（キッチンやデスクなど）を特定するためのアクティブな探索に依存し、その後、意味的に関連するターゲット（特定のマグカップなど）へのナビゲーションが続きます。
ただし、これらの方法は戦略的計画を欠いていることが多く、複数の目標間のトレードオフに適切に対処しません。
これらの課題を克服するために、多目的最適化問題（MOO）として定式化する新しいフレームワークを提案し、フロンティアベースの知識探索と以前に観察されたランドマーク上の知識の搾取とのバランスを取ります。
このフレームワークの月を呼び出します（Moo-driven on）。
3つの主要なコンポーネントを統合するプロトタイプムーンシステムを実装します。（1）QOM [IROS05]の建物は、ターゲットとの意味関連に基づいてコンパクトで差別的にエンコードするシステム上のクラシックです。
（2）ナビゲーションパイプラインを強化するために、最近提案されたトレーニングなしのプランナーであるstructnav [rss23]を統合します。
（3）探索戦略と搾取戦略の両方にわたってグローバルな最適化を可能にするために、可変ホーデンセットのオリエンテーリング問題の定式化を導入する。
この作業は、グローバルに最適化された次世代のオブジェクトゴールナビゲーションシステムの開発に向けた重要な第一歩を表しています。

要約(オリジナル)

Object-goal navigation (ON) enables autonomous robots to locate and reach user-specified objects in previously unknown environments, offering promising applications in domains such as assistive care and disaster response. Existing ON methods — including training-free approaches, reinforcement learning, and zero-shot planners — generally depend on active exploration to identify landmark objects (e.g., kitchens or desks), followed by navigation toward semantically related targets (e.g., a specific mug). However, these methods often lack strategic planning and do not adequately address trade-offs among multiple objectives. To overcome these challenges, we propose a novel framework that formulates ON as a multi-objective optimization problem (MOO), balancing frontier-based knowledge exploration with knowledge exploitation over previously observed landmarks; we call this framework MOON (MOO-driven ON). We implement a prototype MOON system that integrates three key components: (1) building on QOM [IROS05], a classical ON system that compactly and discriminatively encodes landmarks based on their semantic relevance to the target; (2) integrating StructNav [RSS23], a recently proposed training-free planner, to enhance the navigation pipeline; and (3) introducing a variable-horizon set orienteering problem formulation to enable global optimization over both exploration and exploitation strategies. This work represents an important first step toward developing globally optimized, next-generation object-goal navigation systems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google