Personalized Embodied Navigation for Portable Object Finding

Resumen Técnico: Navegación Encarnada Personalizada para la Búsqueda de Objetos Portátiles

1. Planteamiento del Problema

Los métodos actuales de navegación encarnada (Embodied Navigation) operan predominantemente en entornos estáticos con objetos fijos. Se basan en la suposición de que los objetivos de búsqueda permanecen en una ubicación invariable durante toda la tarea. Sin embargo, en el mundo real, los entornos son dinámicos: los usuarios mueven objetos portátiles (teléfonos, carteras, llaves) entre habitaciones siguiendo rutinas y hábitos diarios.

El problema central abordado es la búsqueda de objetivos no estacionarios. Las estrategias actuales (basadas en RL o LLM) fallan en estos escenarios porque:

• Asumen la estacionariedad del objetivo.
• Utilizan funciones de recompensa que penalizan la distancia absoluta al objetivo, lo que genera señales de ruido y alta varianza cuando el objetivo se mueve.
• No modelan la variabilidad temporal ni las "trayectorias de tránsito" de los objetos.

2. Metodología y Enfoque

Los autores formalizan el problema como un problema de aprendizaje de hábitos personalizados. Para resolverlo, proponen dos componentes principales:

A. Mapas de Objetos Dinámicos (DOMs - Dynamic Object Maps)

• Definición: Una variante dinámica de los grafos topológicos atribuidos a nodos. En un DOM, los nodos (ubicaciones) son estáticos, pero sus atributos (los objetos) evolucionan en el tiempo.
• Escenarios de Tránsito ($\Lambda$): Se definen tres escenarios inspirados en hábitos humanos para modelar la entropía del movimiento de los objetos:
  1. Aleatorio (Random): Los objetos se mueven a cualquier habitación en cualquier momento (alta entropía).
  2. Semi-Rutina (Semi-Routine): Las habitaciones de destino están fijas, pero los caminos no (entropía media).
  3. Rutina Completa (Fully-Routine): Tanto las habitaciones como los caminos están fijos (baja entropía, imitando hábitos fuertes).
• Propósito: Proporcionar un entorno estandarizado para probar la capacidad de los agentes para aprender rutas de transición de objetos.

B. Planificación Consciente del Tránsito (TAP - Transit-Aware Planning)
Se introducen estrategias para dotar a los agentes de "conciencia" sobre las rutas de los objetivos, en lugar de simplemente perseguirlos.

• TAP-RL (Reinforcement Learning):
  • Observaciones: Se proporciona al agente una instantánea de las posiciones actuales de los objetos portátiles en cada paso de tiempo, pero no sus rutas completas (para forzar el aprendizaje).
  • Función de Recompensa: Se reemplaza la recompensa por distancia ($R_{dist}$) por una recompensa de interceptación ($R_I$). El agente es recompensado cuando su trayectoria se cruza con la ruta del objeto ($P_o$), incentivando la sincronización de rutas en lugar de la persecución ciega.
• TAP-LLM (Large Language Models):
  • Enfoque: Modificación del prompt del sistema en tiempo de inferencia (zero-shot).
  • Mecanismo: Se inyecta en el contexto del LLM la secuencia de acciones pasadas, los objetos observados y la información de tránsito temporal ($T_i$). Esto permite que el agente utilice el razonamiento común para predecir hacia dónde se moverá el objeto basándose en patrones observados, en lugar de solo en la ubicación actual.

3. Contribuciones Clave

1. TAP (Transit-Aware Planning): Un conjunto de estrategias novedosas que adaptan políticas de navegación estándar (RL y LLM) para objetivos no estacionarios, permitiendo la interceptación de rutas en lugar de la persecución directa.
2. DOMs (Dynamic Object Maps): Una formulación estructurada para convertir grafos topológicos estáticos (como Matterport3D) en entornos dinámicos con transiciones de objetos basadas en hábitos humanos.
3. Benchmarks de Generalización: Evaluación de 6 agentes diferentes en entornos estáticos vs. dinámicos, demostrando que TAP mejora significativamente la capacidad de adaptación.
4. Transferencia Real-a-Sim: Un pipeline que permite construir grafos de escenas del mundo real, convertirlos en DOMs y validar agentes TAP, demostrando su utilidad en entornos físicos.

4. Resultados Experimentales

En Simulación (Matterport3D - MP3D):

• Tasa de Éxito (Success Rate - SR): Los agentes TAP mejoraron la tasa de éxito en un 21.1% en comparación con agentes "vanilla" (estándar) al encontrar objetivos no estacionarios.
• Generalización (RCS - Relative Change in Success): Los agentes TAP mostraron una mejora del 44.5% en la generalización de entornos estáticos a dinámicos. Mientras que los agentes RL estándar sufrieron un colapso de rendimiento en entornos dinámicos (caída del 63.7%), los agentes TAP mantuvieron un rendimiento estable.
• Ablación: Se demostró que proporcionar al agente solo la información local (nodos adyacentes) degrada el rendimiento, confirmando la necesidad de un espacio de observación más amplio (mapa basado) para la planificación efectiva.

En el Mundo Real (Laboratorio):

• Se realizó un experimento con 5 entornos diversos y 50 episodios.
• Objetivos "No Comunes": El agente TAP-LLM superó significativamente al LLM estándar en la búsqueda de objetos fuera de lugar (ej. un cepillo de dientes en un laboratorio de computación).
  • Tasa de Éxito (SR) en Rutina Completa: TAP-LLM alcanzó un 80.0% frente al 57.5% del LLM estándar.
• Tiempo de Búsqueda (TTF): Los agentes TAP encontraron los objetivos más rápido a medida que avanzaban los episodios, aprendiendo las rutinas de tránsito, mientras que los agentes estándar no mostraron esta mejora temporal.

5. Significado e Impacto

• Cambio de Paradigma: Este trabajo desafía la suposición fundamental de "grafo estático, objetivo fijo" en la literatura de navegación encarnada, introduciendo la necesidad de modelar la dimensión temporal y el movimiento de los objetos.
• Asistencia Personalizada: La capacidad de aprender hábitos de los usuarios permite a los robots proporcionar una asistencia más personalizada y efectiva, encontrando objetos en lugares inesperados basándose en patrones de movimiento históricos.
• Viabilidad de Despliegue: Al demostrar una transferencia exitosa de simulación a realidad y una mayor robustez en entornos dinámicos, TAP sienta las bases para el despliegue de agentes robóticos en hogares reales, donde el caos y el movimiento son la norma.

En conclusión, el papel demuestra que la integración de la conciencia de tránsito (aprendiendo cuándo y dónde se mueven los objetos) es crucial para el éxito de la navegación encarnada en el mundo real, superando las limitaciones de los enfoques puramente basados en la observación estática o la persecución de distancia.