💻 computer science

PSG-Nav: Probabilistic Scene Graph Navigation via Multiverse Decision Making

यह शोध पत्र PSG-Nav प्रस्तुत करता है, जो एक नवीन ओपन-वोकैबुलरी नेविगेशन फ्रेमवर्क है जो एक 3D प्रोबेबिलिस्टिक सीन ग्राफ का निर्माण करके, कई विश्व सेटिंग्स में नेविगेशन लैंडमार्क्स का मूल्यांकन करने के लिए मल्टीवर्स डिसीजन मेकिंग को नियोजित करके, और ऑनलाइन अनुकूलन के लिए एक एविडेंशियल एक्सपीरियंस कैलिब्रेटर का उपयोग करके धारणा अनिश्चितता (परसेप्शन अनसर्टेन्टी) को संबोधित करता है, जिससे MP3D, HM3D और HSSD बेंचमार्क पर अत्याधुनिक प्रदर्शन प्राप्त होता है।

मूल लेखक: Rufeng Chen, Yue Chang, Xiaqiang Tang, Hechang Chen, Sihong Xie

प्रकाशित 2026-06-02

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Rufeng Chen, Yue Chang, Xiaqiang Tang, Hechang Chen, Sihong Xie

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

यहाँ "PSG-Nav: Probabilistic Scene Graph Navigation via Multiverse Decision Making" पेपर का सरल भाषा और रचनात्मक उपमाओं (analogies) के साथ विवरण दिया गया है।

बड़ी समस्या: रोबोट की "आत्मविश्वासी गलती" (The Confident Mistake)

कल्पive कि आप एक रोबोट हैं जिसे किसी विशिष्ट वस्तु, जैसे कि "नीले सोफे" को खोजने के लिए एक अजीब, अंधेरे घर में भेजा गया है। आपके पास एक कैमरा और एक दिमाग (AI) है, लेकिन आपकी दृष्टि (vision) एकदम सटीक नहीं है। कभी-कभी, एक बड़ी आर्मचेयर (armchair) बिल्कुल सोफे जैसी दिख सकती है।

पुराना तरीका (कैसे नेविगेट करते थे रोबोट):
अधिकांश रोबोट बहुत अधिक आत्मविश्वासी जासूसों की तरह काम करते हैं। यदि उनका कैमरा कुछ ऐसा देखता है जो 60% सोफे जैसा और 30% कुर्सी जैसा दिखता है, तो वे तुरंत निर्णय ले लेते हैं, "यह एक सोफा है!" और रुक जाते हैं। वे अपने संदेह को त्याग देते हैं।

परिणाम: वे गलत वस्तु (आर्मचेयर) के पास रुक जाते हैं, यह सोचकर कि उन्होंने काम पूरा कर लिया है। इसे फॉल्स पॉजिटिव (False Positive) कहा जाता है। क्योंकि वे इतने सुनिश्चित होते हैं, वे आगे खोजना बंद कर देते हैं, और मिशन में विफल हो जाते हैं।

नया तरीका (PSG-Nav):
यह पेपर एक ऐसे रोबोट को पेश करता है जो अनिश्चितता (uncertainty) के साथ सहज है। तुरंत एक उत्तर चुनने के बजाय, यह अपने दिमाग में "संभावनाओं का मेनू" रखता है। यह कहता है, "ठीक है, यह सोफे जैसा दिखता है, लेकिन यह एक कुर्सी या बिस्तर भी हो सकता है। आइए अभी के लिए इन सभी विकल्पों को खुला रखें।"

PSG-Nav की तीन महाशक्तियाँ (Superpowers)

लेखकों ने एक सिस्टम बनाया है जिसमें रोबोट को बेहतर नेविगेशन में मदद करने के लिए तीन मुख्य तरकीबें दी गई हैं।

1. "प्रोबेबिलिस्टिक मैप" (The 3D-PSG)

एक निश्चित लेबल जैसे "यह एक किचन है" के साथ मैप बनाने के बजाय, रोबोट एक 3D प्रोबेबिलिस्टिक सीन ग्राफ (3D Probabilistic Scene Graph) बनाता है।

उपमा (Analogy): एक ऐसे मैप की कल्पना करें जहाँ हर वस्तु के पास नाम के टैग के बजाय एक "कॉन्फिडेंस मीटर" (confidence meter) होता है।
- पुराना मैप: "यह एक बेड है।" (पूर्ण विराम)।
- PSG-Nav मैप: "यह वस्तु 60% बेड है, 30% सोफा है, और 10% ट्रैम्पोलिन है।"
यह कैसे मदद करता है: रोबोट बहुत जल्दी निर्णय लेने के लिए मजबूर नहीं होता। उसे याद रहता है कि वह "बेड" वास्तव में एक "सोफा" भी हो सकता है, यह इस पर निर्भर करता है कि कमरे में और क्या है। यह रोबलेट को केवल खराब रोशनी के कारण गलत विचार में फंसने से रोकता है।

2. "मल्टीवर्स डिसीजन" (The Parallel Universe Simulator)

यह सबसे शानदार हिस्सा है। आगे कहाँ जाना है, यह तय करने के लिए, रोबोट केवल दुनिया के एक संस्करण को नहीं देखता है। यह अपने मन में कई संभावित दुनिया (Multiverse) बनाता है।

उपमा: एक फिल्म निर्देशक के रूप में सोचें जो एक दृश्य फिल्मा रहा है।
- यूनिवर्स A: वस्तु एक बेड है। इस दुनिया में, रोबोट सोचता है, "बेड आमतौर पर बेडरूम में होते, लिविंग रूम में नहीं। यह अजीब है। मुझे बेडरूम जाकर चेक करना चाहिए।"
- यूनिवर्स B: वस्तु एक सोफा है। इस दुनिया में, रोबोट सोचता है, "सोफे लिविंग रूम में होते हैं। यह बिल्कुल सही बैठता है। मैं यहीं रुकूँगा।"
प्रक्रिया: रोबोट इन विभिन्न दुनियाओं का अनुकरण (simulate) करता है। वह एक "स्मार्ट ब्रेन" (Large Language Model) से तुलना करने के लिए पूछता है: "यूनिवर्स A में, क्या बेडरूम में जाना एक अच्छा विचार है? यूनिवर्स B में, क्या यहाँ रुकना एक अच्छा विचार है?"
परिणाम: इन सभी "क्या होगा अगर" (what-if) परिदृश्यों के परिणामों का औसत निकालकर, रोबोट एक ऐसा रास्ता खोज लेता है जो हर संभावना के लिए काम करता है। वह अनुमान लगाना बंद करता है और सभी संभावनाओं के लिए योजना बनाना शुरू करता है।

3. "एक्सपीरियंस कैलिब्रेटर" (The Memory Check)

एक बेहतरीन मैप और मल्टीवर्स के बावजूद, रोबोट अभी भी एक चालाक वस्तु से धोखा खा सकता है। यहीं पर एविडेंशियल एक्सपीरियंस कैलिब्रेटर (Evidential Experience Calibrator - EEC) काम आता है।

उपमा: कल्पना करें कि रोबोट के पास एक "हॉल ऑफ फेम" (Hall of Fame) और एक "हॉल ऑफ शेम" (Hall of Shame) है।
- हॉल ऑफ फेम: उन समयों की तस्वीरें जब उसने सफलतापूर्वक एक सोफा ढूँढा था।
- हॉल ऑफ शेम: उन समयों की तस्वीरें जब उसने सोचा था कि उसने सोफा ढूँढ लिया है, लेकिन वह वास्तव में एक कुर्सी थी (एक गलती)।
यह कैसे काम करता है: जब रोबोट सोचता है, "मुझे लक्ष्य मिल गया!", तो वह केवल रुकता नहीं है। वह जल्दी से अपनी याददाश्त की जाँच करता है।
- "क्या यह उन चीजों जैसा दिखता है जो मैंने हॉल ऑफ फेम में पाई थीं?"
- "क्या यह हॉल ऑफ शेम की गलतियों जैसा दिखता है?"
परिणाम: यदि वर्तमान वस्तु पिछली किसी गलती से बहुत अधिक मिलती-जुलती है, तो रोबोट कहता है, "नहीं, यह एक गलत अलार्म है," और तलाश जारी रखता है। यदि यह सफलताओं से मेल खाता है, तो वह रुकता है और जश्न मनाता है।

इसका प्रदर्शन कैसा रहा (The Scoreboard)

लेखकों ने इस रोबोट का परीक्षण तीन अलग-अलग वर्चुअल "घरों" (MP3D, HM3D, और HSSD नामक डेटासेट) में किया।

परिणाम: PSG-Nav का उपयोग करने वाला रोबोट पिछले रोबोटों की तुलना में सही वस्तु खोजने में बहुत बेहतर था।
- इसने एक टेस्ट में 66.1% बार सफलता प्राप्त की, दूसरे में 44.8% और तीसरे में 67.9%।
- इसने पिछले सर्वश्रेष्ठ तरीकों को बड़े अंतर से पीछे छोड़ दिया।
असली दुनिया का टेस्ट: उन्होंने इस सिस्टम को एक असली कमरे में एक वास्तविक भौतिक रोबोट पर भी लगाया। भले ही रोबोट ने एक ऐसा सोफा देखा जो कुर्सी जैसा लग रहा था, "एक्सपीरियंस कैलिब्रेटर" ने गलती पकड़ ली, और रोबोट ने असली कुर्सी मिलने तक तलाश जारी रखी।

सारांश

PSG-Nav एक ऐसे रोबोट की तरह है जो अत्यधिक आत्मविश्वासी होने से इनकार करता है।

यह तुरंत अनुमान लगाने के बजाय विकल्पों को खुला रखता है (Probabilistic Map)।
यह सबसे अच्छे रास्ते की योजना बनाने के लिए अलग-अलग वास्तविकताओं का अनुकरण करता है (Multiverse)।
यह अपनी पिछली गलतियों से सीखता है (Experience Calibrator) ताकि गलत जगह पर रुकने से बच सके।

ऐसा करके, यह जटिल और भ्रमित करने वाले वातावरण में उन रोबोटों की तुलना में बहुत अधिक विश्वसनीय रूप से नेविगेट करता है जो केवल "एक लेबल चुनते हैं और उम्मीद करते हैं कि सब ठीक होगा।"

तकनीकी सारांश: PSG-Nav: मल्टीवर्स निर्णय लेने के माध्यम से संभाव्य दृश्य ग्राफ नेविगेशन (Probabilistic Scene Graph Navigation via Multiverse Decision Making)

समस्या की परिभाषा

जटिल, अज्ञात वातावरणों में ओपन-वॉयस (open-vocabulary) नेविगेशन के लिए एम्बॉडीड एजेंटों (embodied agents) को मुक्त-रूप टेक्स्ट लक्ष्यों (जैसे, "एक नीला सोफा खोजें") का उपयोग करके नेविगेट करने की आवश्यकता होती है। इस क्षेत्र में एक महत्वपूर्ण चुनौती प्रत्यक्ष बोध अनिश्चितता (perception uncertainty) है, जो भौतिक वस्तुओं की अर्थ संबंधी अस्पष्टता और धारणा मॉडल (perception models) की त्रुटियों से उत्पन्न होती है। मौजूदा दृष्टिकोण अक्सर निश्चयात्मक निरूपणों (deterministic representations) पर निर्भर करते हैं, जहाँ शोरयुक्त (noisy) प्रत्यक्ष आउटपुट को पूर्ण तथ्यों के रूप में माना जाता है और उन्हें एकल निश्चित लेबल (जैसे, किसी वस्तु को सख्ती से "बिस्तर" या "सोफा" के रूप में लेबल करना) से मैप किया जाता है। यह दृष्टिकोण पूर्ण अर्थ संबंधी वितरण (semantic distribution) को त्याग देता है, जिससे निम्नलिखित समस्याएं होती हैं:

तर्कहीन लेआउट (Illogical Layouts): गलत मानचित्र जहाँ वस्तुओं को अर्थ संबंधी रूप से असंगत संदर्भों में रखा जाता है (जैसे, लिविंग रूम में बिस्तर)।
अति-आत्मविश्वासी निर्णय (Overconfident Decisions): एजेंट शोरयुक्त डेटा के आधार पर अपरिवर्तनीय निर्णय लेते हैं, जिससे गलत सकारात्मक (false positives) स्थितियाँ पैदा होती हैं जहाँ एजेंट एक गलत लक्ष्य के पास ही एपिसोड को समय से पहले समाप्त कर देता है।
डोमेन शिफ्ट विफलताएं (Domain Shift Failures): वास्तविक दुनिया के प्री-ट्रेनिंग और सिम्युलेटेड वातावरण के बीच के अंतर के कारण बार-बार गलत पहचान होना।

पेपर का तर्क है कि इस अनिश्चितता का प्रबंधन करना कार्य की सफलता के लिए महत्वपूर्ण है, क्योंकि शोरयुक्त आउटपुट को तथ्य मानने से सूचना की हानि और अविश्वसनीय पथ होते हैं।

कार्यप्रणाली (Methodology)

लेखक PSG-Nav का प्रस्ताव करते हैं, जो एक एकीकृत ढांचा (framework) है जिसे अर्थ संबंधी अस्पष्टता के तहत मजबूती से नेविगेट करने के लिए डिज़ाइन किया गया है। सिस्टम के तीन मुख्य घटक हैं:

1. 3D संभाव्य दृश्य ग्राफ (3D-PSG)

पारंपरिक दृश्य ग्राफों के विपरीत, जो हार्ड लेबल असाइन करते हैं, 3D-PSG प्रत्येक ऑब्जेक्ट नोड के लिए एक पूर्ण श्रेणीगत वितरण (full categorical distribution) बनाए रखता है।

पदानुक्रमित संरचना (Hierarchical Structure): ग्राफ को तीन स्तरों में व्यवस्थित किया गया है: ऑब्जेक्ट (Object) नोड्स, ग्रुप (Group) नोड्स (स्थानिक रूप से निकटवर्ती वस्तुओं के क्लस्टर), और रूम (Room) नोड्स।
संभाव्य निरूपण (Probabilistic Representation): प्रत्येक ऑब्जेक्ट नोड $o_i$ एक "वोट" संचय रणनीति (समय के साथ डिटेक्शन वोटों की गिनती) के माध्यम से अपडेट किया गया विश्वास वितरण $P(o_i = c_k)$ बनाए रखता है, न कि डिरिचलेट प्रायर (Dirichlet priors) के साथ अस्थिर बेयसियन अपडेट के माध्यम से।
पदानुक्रमित गुणनखंड (Hierarchical Factorization): वैश्विक संयुक्त वितरण (global joint distribution) के संयोजन विस्फोट (combinatorial explosion) से बचने के लिए, अनिश्चितता को पदानुक्रमित रूप से विभाजित किया जाता है। ग्रुप नोड्स अपने घटक वस्तुओं के संयुक्त संभाव्यता की गणना करते हैं, और रूम नोड्स ग्रुप वितरणों को एकत्रित करते हैं।
तार्किक छंटनी (Logical Pruning): निर्माण के दौरान, सिस्टम संभावित अर्थ संबंधी संयोजनों को सूचीबद्ध करता है और अर्थ संबंधी संघर्षों (जैसे, लिविंग रूम में टॉयलेट) वाले विन्यास को हटाने के लिए एक लार्ज लैंग्वेज मॉडल (LLM) का उपयोग एक लॉजिकल फिल्टर के रूप में करता है, जिससे वैश्विक अर्थ संबंधी सुसंगतता सुनिश्चित होती है।

2. मल्टीवर्स निर्णय ढांचा (Multiverse Decision Framework)

3D-PSG के संभाव्य ग्राफ को नियोजन (planning) के लिए संचालित करने हेतु, यह ढांचा वितरण से सेट डिस्क्रीट, निश्चयात्मक "दुनियाओं" (worlds) को सैंपल करता है।

वर्ल्ड सैंपलिंग (World Sampling): सिस्टम $K$ विशिष्ट दुनिया इंस्टेंशिएशन ( $G^{(1)} \dots G^{(K)}$ ) उत्पन्न करता है, जिनमें से प्रत्येक वातावरण की एक तार्किक रूप से सुसंगत व्याख्या का प्रतिनिधित्व करती है।
आंतरिक अनिश्चितता-जागरूक अन्वेषण (Intrinsic Uncertainty-Aware Exploration): एजेंट उम्मीदवार लैंडमार्क्स (जेनरालाइज्ड वोरोनोई ग्राफ और फ्रंटियर्स से प्राप्त) का मूल्यांकन दो मेट्रिक्स के आधार पर करता है:
- स्थानिक सूचना लाभ ( $I_{spa}$ ): अज्ञात स्थान का अपेक्षित कवरेज।
- अर्थ संबंधी स्पष्टीकरण क्षमता ( $I_{sem}$ ): पास की वस्तुओं की अर्थ संबंधी एंट्रॉपी (Shannon entropy) में अपेक्षित कमी।
स्टोकेस्टिक युग्म तुलना (Stochastic Pairwise Comparison): केवल एक शोरयुक्त मानचित्र पर लैंडमार्क्स को रैंक करने के बजाय, एजेंट मूल्यांकन के $M$ राउंड करता है। प्रत्येक राउंड में, एक दुनिया को सैंपल किया जाता है, और LLM एक 'प्रेफरेंस ओरैकल' के रूप में कार्य करता है जो उस विशिष्ट दुनिया के भीतर लक्ष्य तक ले जाने की संभावना के आधार पर लैंडमार्क्स के जोड़ों की तुलना करता है।
निर्णय एकत्रीकरण (Decision Aggregation): अंतिम प्राथमिकता स्कोर को पूरे मल्टीवर्स में पेयरवाइज जीत को मार्जिनलाइज़ करके प्राप्त किया जाता है, जिससे यह सुनिश्चित होता है कि चुना गया पथ धारणात्मक शोर (perceptual noise) के प्रति मजबूत है।

3. साक्ष्य अनुभव कैलिब्रेटर (Evidential Experience Calibrator - EEC)

एपिस्टेमिक अनिश्चितता के कारण होने वाले गलत सकारात्मक परिणामों को कम करने के लिए, EEC एक रिट्रीवल-ऑगमेंटेड जनरेशन (RAG) आधारित सत्यापन मॉड्यूल के रूप में कार्य करता है।

संभाव्य संदर्भ मेमोरी (Probabilistic Context Memory): सिस्टम दो मेमोरी बैंक बनाए रखता है: एक पॉजिटिव बैंक ( $B^+$ ) सफल लक्ष्य डिटेक्शन का और एक नेगेटिव बैंक ( $B^-$ ) ऐतिहासिक गलत सकारात्मक (false positives) का। प्रविष्टियों में विजुअल एम्बेडिंग्स और स्ट्रक्चरल कॉन्टेक्स्ट (रूम और ग्रुप सिमेंटिक डिस्ट्रीब्यूशन) शामिल हैं।
कॉन्फिडेंस कैलिब्रेशन (Confidence Calibration): जब एक उम्मीदवार वस्तु का पता लगाया जाता है, तो EEC दोनों बैंकों से समान संदर्भों को पुनः प्राप्त करता है। यह सफल बनाम विफल मामलों के बीच समानता के आधार पर एक कैलिब्रेशन मार्जिन की गणना करता है।
गतिशील समायोजन (Dynamic Adjustment): कच्चे डिटेक्शन स्कोर को इस मार्जिन द्वारा समायोजित किया जाता है। एजेंट केवल तभी एपिसोड को समाप्त करता है जब कैलिब्रेटेड स्कोर एक वैलिडेशन थ्रेशोल्ड से अधिक हो जाता है, जो प्रभावी रूप से उन डिटेक्शन को रोकता है जो ज्ञात त्रुटि मोड (error modes) के समान हैं।

मुख्य योगदान (Key Contributions)

3D संभाव्य दृश्य ग्राफ (3D-PSG): एक पदानुक्रमित निरूपण जो ऑब्जेक्ट, ग्रुप और रूम स्तरों पर पूर्ण अर्थ संबंधी वितरणों को बनाए रखता है, जिससे निश्चयात्मक लेबलिंग से जुड़ी अपरिवर्तनीय सूचना हानि को रोका जा जाता है।
मल्टीवर्स निर्णय लेना (Multiverse Decision Making): एक नवीन नियोजन रणनीति जो नेविगेशन लैंडमार्क्स का मूल्यांकन करने के लिए कई संभावित दुनिया सेटिंग्स को सैंपल करती है, जिससे एजेंट को धारणात्मक शोर को मार्जिनलाइज़ करने और स्थिर निर्णय लेने में मदद मिलती है।
साक्ष्य अनुभव कैलिब्रेटर (Evidential Experience Calibrator): एक ऑनलाइन, लाइफलॉन्ग लर्निंग मॉड्यूल जो पिछले सफलताओं और विफलताओं की मेमोरी के विरुद्ध डिटेक्शन को क्रॉस-वैलिडेट करता है ताकि आत्मविश्वास को गतिशील रूप से कैलिब्रेट किया जा सके और समय से पहले समाप्ति को रोका जा सके।
स्टेट-ऑफ-द-आर्ट प्रदर्शन: यह ढांचा मानक डेटासेट्स पर नए बेंचमार्क स्थापित करता है और भौतिक रोबोटों पर इसकी व्यावहारिक तैनाती को प्रदर्शित करता है।

प्रयोगात्मक परिणाम (Experimental Results)

लेखकों ने PSG-Nav का तीन व्यापक रूप से उपयोग किए जाने वाले बेंचमार्क: MP3D, HM3D, और HSSD पर मूल्यांकन किया।

सफलता दर (Success Rates - SR):
- HM3D: 66.1% (PSG-Nav) बनाम 65.4% (ASCENT, पिछला SOTA)।
- MP3D: 44.8% (PSG-Nav) बनाम 44.5% (ASCENT)।
- HSSD: 67.9% (PSG-Nav)।
जीरो-शॉट प्रदर्शन (Zero-Shot Performance): EEC के बिना संस्करण (स्ट्रिक्ट जीरो-शॉट) ने HM3D पर 63.5% SR प्राप्त किया, जो BeliefMapNav (61.4%) और ApexNav (59.6%) जैसे तरीकों से बेहतर है।
एब्लेशन स्टडीज (Ablation Studies):
- 3D-PSG को हटाने (निश्चयात्मक लेबल पर वापस जाने) से प्रदर्शन में महत्वपूर्ण गिरावट आई (जैसे, HSSD पर -9.4% SR)।
- ग्रुप-स्तरीय पदानुक्रम को हटाने से वैश्विक विन्यासों की संयुक्त संभाव्यता नगण्य हो गई, जिससे वर्ल्ड सैंपलिंग अव्यवहार्य हो गई।
- दिखाया गया कि EEC ने एक विशिष्ट फेलियर-मोड सबसेट में 76.9% गलत-सकारात्मक स्टॉप्स को रोका, जिससे पहले विफल हुए एपिसोड्स में 30.3% की रिकवरी हुई।
वास्तविक दुनिया में तैनाती (Real-World Deployment): सिस्टम को एक भौतिक रोबोट (Agilex SCOUT MINI) पर इनडोर वातावरण में सफलतापूर्वक तैनात किया गया था, जहाँ इसने एक विजुअली समान सोफा को चेयर टारगेट के रूप में सही ढंग से खारिज किया और वास्तविक लक्ष्य खोजने के लिए अन्वेषण जारी रखा।

महत्व और दावे (Significance and Claims)

पेपर का दावा है कि PSG-Nav ओपन-वॉयस नेविगेशन में "निश्चयात्मक पतन" (deterministic collapse) को संबोधित करता है क्योंकि यह वातावरण को संभाव्य संरचनाओं के रूप में स्पष्ट रूप से मॉडल करता है। पूर्ण अर्थ संबंधी वितरणों को बनाए रखकर और कैलिब्रेशन के लिए ऐतिहासिक अनुभव का उपयोग करके, यह ढांचा जटिल वातावरण में अधिक विश्वसनीय निर्णय लेने में सक्षम बनाता है।

लेखक अपने कार्य को विश्वसनीय और सक्षम स्वायत्त एजेंटों की दिशा में एक कदम के रूप में देखते हैं जो भौतिक दुनिया की अंतर्निहित अनिश्चितता को संभाल सकते हैं। वे उल्लेख करते हैं कि जबकि उनका दृष्टिकोण मजबूती में महत्वपूर्ण सुधार करता है, यह वर्तमान में 2D ऑक्यूपेंसी मैप्स पर निर्भर है, जो वर्टिकल नेविगेशन (सीढ़ियाँ, मल्टी-फ्लोर टोपोलॉजी) को स्पष्ट रूप से संभालने की इसकी क्षमता को सीमित करता है। भविष्य के कार्यों में वॉल्यूमेट्रिक प्लानिंग और पदानुक्रमित फ्लोर-लेवल सीन ग्राफ तक विस्तार करने का प्रस्ताव दिया गया है।