IPPON: Common Sense Guided Informative Path Planning for Object Goal Navigation

要約

未踏の環境にある物体まで効率的に移動することは、汎用知能ロボットにとって重要なスキルです。
このオブジェクト目標ナビゲーション問題に対する最近のアプローチでは、古典的な探索アルゴリズム、特にフロンティア探索を学習されたセマンティック マッピング/探索モジュールと統合するモジュール戦略が採用されています。
この論文では、新しい有益なパス プランニングと 3D オブジェクト確率マッピングのアプローチを紹介します。
マッピング モジュールは、セマンティック セグメンテーションとベイズ フィルターを通じて対象オブジェクトの確率を計算します。
さらに、一般的なオブジェクトの確率を保存し、大規模な言語モデルからの常識的な事前分布に基づいて探索を意味論的にガイドします。
現在の視点が関心のあるオブジェクトとして高い信頼性で識別された十分なボクセルをキャプチャすると、プランナーは終了します。
当社のプランナーはゼロショット アプローチに従っていますが、Habitat ObjectNav Challenge 2023 のパス長 (SPL) とソフト SPL で加重された成功によって測定されるように、他の作品を 20% 以上上回る最先端のパフォーマンスを達成しています。
。
さらに、実際のロボットでの有効性を検証します。
プロジェクトのウェブページ: https://ippon-paper.github.io/

要約(オリジナル)

Navigating efficiently to an object in an unexplored environment is a critical skill for general-purpose intelligent robots. Recent approaches to this object goal navigation problem have embraced a modular strategy, integrating classical exploration algorithms-notably frontier exploration-with a learned semantic mapping/exploration module. This paper introduces a novel informative path planning and 3D object probability mapping approach. The mapping module computes the probability of the object of interest through semantic segmentation and a Bayes filter. Additionally, it stores probabilities for common objects, which semantically guides the exploration based on common sense priors from a large language model. The planner terminates when the current viewpoint captures enough voxels identified with high confidence as the object of interest. Although our planner follows a zero-shot approach, it achieves state-of-the-art performance as measured by the Success weighted by Path Length (SPL) and Soft SPL in the Habitat ObjectNav Challenge 2023, outperforming other works by more than 20%. Furthermore, we validate its effectiveness on real robots. Project webpage: https://ippon-paper.github.io/

arxiv情報

提供元, 利用サービス

arxiv.jp, Google