物体目標ナビゲーションを活用した能動的ループ閉じ込み

抄録

SLAM分野のアクティブループクロージング（ALC）は、ロボットが以前訪れた地点を再訪する可能性を最大化し、移動中に蓄積したドリフトエラーをリセットするアクティブビジョンの一課題です。しかし、現在主流のナビゲーション戦略では不完全な地図を事前知識として活用するため、長距離移動や長期間の自律シナリオでは累積誤差が顕著になり、しばしば失敗します。このようなマップベースナビゲーションの限界を克服するため、本研究では、具現化AI分野のマップレスナビゲーション技術、とりわけ事前地図を使用せず目標物体を効率的に探索するオブジェクトゴールナビゲーション技術を活用することを提案します。具体的には、既存の地図不要なONプランナーを拡張し、事前地図を組み込むことで「ALC損失」と「ON損失」を最小化し、長距離ALC（LD-ALC）の性能を最大化できることを示します。提案する「ALCON」アプローチは、フロンティア誘導型、データ駆動型、およびLLM誘導型ON技術を統合し、長距離ALC技術の進展を加速させることを目指しています。