2026-08-14 13:00 UTC+9サイト内リライト2 分で読了更新: 2026-08-14 18:56 UTC+9

HumanoidVLN：多様なヒューマノイド形態のための物理基盤シミュレータと視覚言語ナビゲーションベンチマーク

HumanoidVLN は、NVIDIA Isaac Sim 上に構築された、ヒューマノイドロボット向け視覚言語ナビゲーション（VLN）の物理基盤シミュレータ兼ベンチマークです。10〜12 の下肢自由度、身長 1.17m〜1.80m の 4 種類のロボットをサポートし、階層型制御スタックにより二足歩行を実現します。933 の衝突考慮エピソードを備え、各エピソードに詳細な指示と 3 つの文体バリアントが付与されます。実験では JanusVLN が最高の平均成功率 43.55% を達成し、20 エピソードのシミュレーション実機パイロットでは誤差の相関が r=0.935 と強い一致を示しました。

ソースarXiv Robotics著者: Quan-Dung Pham, Anh Dao, The-Anh Nguyen, Minh Nguyen-Dinh, Phuong Nam Dang, Tri Pham, Hung Tran, Bach Dao, Tuyen P. Le, Truong Nguyen, Quan Nguyen

記事インテリジェンス

エンジニア上級

要点

ヒューマノイド固有の二足歩行制約・形態差・カメラ動揺を扱う、物理基盤の VLN ベンチマーク。
NVIDIA Isaac Sim ベースで、Unitree G1/H1 などを含む 4 種のロボット（身長 1.17–1.80m、下肢自由度 10–12）に対応。RL 歩行ポリシーと PD/MPC トラッカーを組み合わせた階層制御を採用。
933 の衝突考慮エピソードと、詳細指示＋3 種類の文体バリアント（正式・自然・カジュアル）を多エージェントパイプラインと人手検証で生成。
JanusVLN が平均成功率 43.55%、nDTW 48.38 で最高性能。実機検証では誤差相関 r=0.935 を達成。

重要な理由

このニュースが重要なのは、ヒューマノイド固有の二足歩行制約・形態差・カメラ動揺を扱う、物理基盤の VLN ベンチマークためです。

技術的影響

モデル選定、推論コスト、プロダクト能力、評価基準に影響する可能性があります。

このパネルは AI が生成し、正確性を確認済みです。

既存の視覚言語ナビゲーション（VLN）ベンチマークは主に車輪型エージェントを対象としており、人型ロボット特有の課題を扱っていません。二足歩行による物理的制約、プラットフォームごとの形態差、歩行に伴うカメラ動揺による視界の歪み——これらは人型ロボットにとって本質的な問題です。研究チームはこれらの課題に取り組むため、HumanoidVLN を提案しました。これは、多様な人型ロボットの形態に対応した物理基盤のシミュレータ兼ベンチマークです。

HumanoidVLN は NVIDIA Isaac Sim 上に構築されており、拡張可能な人型ロボット構成をサポートします。現在、Unitree G1、Unitree H1、Internal-A、Internal-B の 4 種類のロボットで実証されており、身長は 1.17m から 1.80m、下肢自由度は 10 から 12 までをカバーします。プラットフォームは、強化学習による歩行ポリシーと交換可能な PD または MPC パストラッカーを組み合わせた階層型制御スタックを採用しており、新しいロボットや VLN モデルを最小限の労力で統合できます。NaVILA、DualVLN、StreamVLN、JanusVLN との互換性も確認されています。

環境は、アーティストがデザインしたシーンと 3D ガウススプラッティング再構成から構築され、移動可能面積が 100 平方メートル以上の領域に絞り込まれています。指示文は、生成器・レビューア・パラフレーザーからなるマルチエージェントパイプラインと人手検証を通じて作成されました。最終的に933の衝突考慮エピソードが用意され、各エピソードには詳細な指示文と、フォーマル・ナチュラル・カジュアルの3つの文体バリアントがペアになっています。

4つのVLNモデルと4つのロボット形態を組み合わせた実験では、JanusVLN が最高の平均成功率 43.55% と nDTW 48.38 を達成しました。シミュレーションから実機への転移を評価するため、DualVLN と Unitree G1 を用いた20エピソードのパイロット実験も実施され、ナビゲーション誤差は実機と強く相関（r=0.935）し、平均絶対差は0.68m、平均軌道類似度は0.782（±0.188）nDTW でした。これらの結果は、物理実行下でのVLNモデル・コントローラ・人型ロボット形態の相互作用を浮き彫りにしています。

本論文は Quan-Dung Pham 氏を含む11名の著者によるもので、2026年8月13日に arXiv へ投稿されました。分類はロボティクス（cs.RO）、識別番号は arXiv:2608.12860 です。研究チームは、コード・ベンチマーク・データを論文採録後にプロジェクトサイト https://humanoid-vln.github.io/ で公開するとしています。