研究チームは、進路上の障害物にどう対処するかを判断し、移動ロボットが散らかった空間を進めるようにするフレームワーク「MessyNav」を発表した。画像とテキストを解釈する視覚言語モデルを使って物体を評価し、押しのける、拾い上げる、避けるのいずれかを決めてから経路を計画する。
実機を使った試験では、最も性能の高い比較対象に対して成功率が27ポイント向上したとチームは報告している。また、タスクに特化した訓練を行わずに、大規模なオフライン評価でも統計的に有意な改善が得られたという。
なぜ重要か
家庭などの散らかった空間で動くロボットを開発するチームにとって、MessyNavは、タスクに特化した訓練をせずに物体を動かすか避けるかを選ぶ手段となる。ただし、要旨からは、報告された評価以外でどの程度機能するかは分からない。
