具身視覚言語ナビゲーションに関する包括的サーベイと体系的実世界評価
本サーベイは、具身視覚言語ナビゲーション（VLN）の研究を体系的にレビューし、手法を動作パラダイム（階層型と一体型）とモデルパラダイム（識別型と生成型）の2次元に分類して分析する。物理ロボットプラットフォーム上で10の多様なシーンにおける実世界評価を実施し、シミュレーションと実世界の間に大きな性能差があることを明らかにした。代表的な一体型RGBのみの手法はシミュレーションで61%の成功率だが実世界では22%に低下し、階層型フレームワークは実世界で51%の成功率を示し、高いロバスト性を示唆する。さらに、知覚、意思決定、制御における主要な課題を指摘する。
最近、IEEE TASE 2026に採択されたサーベイ論文が、具身視覚言語ナビゲーション（Vision-and-Language Navigation, VLN）分野の包括的なレビューと体系的実世界評価を報告した。本論文はLiuyi Wangら11名の著者によるもので、arXivプレプリント（arXiv:2607.09792）として公開されている。
VLNは、ロボットが自然言語理解と視覚認識を統合し、データ駆動型でナビゲーションを実現する手法である。既存のアプローチの多くは高度に構造化されたモデルと強い事前仮定に依存しており、開かれた不確実な実環境でのロバスト性に課題がある。本サーベイはVLNの系統的な方法論分類と実世界検証を提供する。
本サーベイでは、最先端の手法を2つの直交する次元に沿って整理している：動作パラダイム（階層型フレームワークと一体型フレームワーク）とモデルパラダイム（識別型アプローチと生成型アプローチ）である。それぞれの強みと限界について批判的分析が行われている。
さらに、物理ロボットプラットフォーム上で代表的なVLNシステム構成の体系的実世界評価を実施した。10の多様な実世界シーンでの実験により、シミュレーションと実世界展開の間に顕著な性能差が示された。例えば、代表的な一体型RGBのみの手法はシミュレーションで61%の成功率を達成するが、実世界では22%に低下した。一方、階層型フレームワークは実世界で51%の成功率を示し、今回の評価設定ではより高いロバスト性が示唆された。
最後に、今後の研究で取り組むべき知覚、意思決定、制御における主要な課題が強調されている。これらの課題には、複雑な照明や遮蔽、動的変化への対応、言語指示とリアルタイム環境フィードバックの統合、精密な動作実行などが含まれる。また、現在の評価ベンチマークの限界についても議論されており、より広範なシーンとよりロバストなアルゴリズムを目指した今後の研究が推奨されている。