未知の環境におけるロボットのオブジェクト目標ナビゲーション（ON）を強化するため、エージェント間での短時間の知識転送（KT）の可能性を探求します。人間の旅行者が地元の人々からローカル知識を得ることで、未知の場所で目的地（例：宿泊施設）を効率的に探索する状況をアナロジーとして用い、旅行者ロボット（生徒）がローカルロボット（教師）と通信し、最小限のやり取りでON知識を取得するフレームワークを提案します。従来のゼロショットONアプローチ（大規模言語モデル）とは異なり、フロンティア主導型のオブジェクト機能マップやニューラル状態アクションマップを利用する学習ベースON手法は、データフリーKTにおいて解決すべき複雑な課題を含んでいます。本研究では、オープンワールド環境で非協力的なブラックボックス教師を対象とした軽量なプラグアンドプレイ型KTモジュールを設計しました。教師ロボットの視覚と移動能力を仮定し、状態行動履歴を知識ベースとして利用することで、目標物体の位置を動的に表現するクエリベースの占有マップを開発しました。Habitat環境での実験を通じて、このアプローチの有効性を実証しました。
