VLN on the Fly: An Onboard Vision-Language Navigation Stack for Aerial Robots
本論文は、接地（グラウンディング）、計画、制御を明確に異なる段階に分離することで、高い成功率と安全性を維持しつつ計算負荷を低く抑える、空中ロボット向けのモジュール式オンボード・ビジョン・ランゲージ・ナビゲーション・スタックである「VLN on the Fly」を提案する。
原著者：Marco S. Tayar, Felipe Tommaselli, Gianluca Capezutto, Pedro Antonio Rabelo Saraiva, Pedro H. V. de Freitas, Lucas Kido, Guilherme Sonego, Ricardo V. Godoy, Marcelo Becker
原著者： Marco S. Tayar, Felipe Tommaselli, Gianluca Capezutto, Pedro Antonio Rabelo Saraiva, Pedro H. V. de Freitas, Lucas Kido, Guilherme Sonego, Ricardo V. Godoy, Marcelo Becker
サンパウロ大学の研究チームは、この問題を解決するために「VLN on the Fly」と呼ばれるシステムを構築しました。一つの巨大なコンピュータ・プログラムにすべてを一度に教え込もうとする代わりに、彼らはこの仕事を、リレーレースのように連携する3つの明確なステップに分解しました。第一に、特化した言語モデルがカメラの映像と音声による指示を確認し、対象物が存在する可能性のある大まかな領域を見つけ出します。第二に、プランニング・システムがその大まかな領域を受け取り、深度情報を用いて、空中を通る滑らかで安全な3D経路を計算します。第三に、訓練された制御ポリシーがその経路を受け取り、ドローンのモーターに対して直接、経路に従うよう指令を出します。このステップ・バイ・ステップのアプローチにより、研究者たちはプロセスの各部分を検証することができ、もし一つのステップが失敗しても、システムがどこに問題があるのかを正確に把握し、衝突前に停止できるようにしています。
手法 著者らは、グラウンディング、プランニング、および制御を、個別に検査可能なステージとして維持する、オンボードかつデカップル（非結合）されたナビゲーションスタックであるVLN on the Flyを提案しています。このシステムは、オフボードの計算やエンドツーエンドの学習を行うことなく、ロボット上で完全に動作します。アーキテクチャは、安全スーパーバイザーによって調整される3つの主要な処理ステージで構成されています。
意義と主張 本論文は、VLN on the Flyが、モジュール型スタックの安全性と観測可能性を維持しながら、複雑なオープンボキャブラリーのナビゲーションタスクを完全にオンボードで実行できる実現可能性を示していると主張しています。意味的な推論を、メトリックなプランニングおよび低レベル制御から切り離すことで、本システムは、実飛行中に中間状態（グラウンディング、ゴール投影、プランニング）を検査することを可能にし、これはデバッグと安全確保において極めて重要です。