MASt3R-Nav は、Vansh Garg 氏ら 8 名の著者による論文で、2026 年 5 月 22 日に投稿され、arXiv:2605.24111v1 として公開された。分野はロボティクス（cs.RO）で、人工知能（cs.AI）にもまたがる。本論文は 2026 年の IEEE International Conference on Robotics & Automation（ICRA）に採択されている。
論文の出発点は、視覚ナビゲーションの能力が、その基盤となる世界の表現と強く結びついているという点にある。古典的な 3 次元地図は全体で一貫した幾何構造を必要とする。一方、画像や物体を基準にした相対的なトポロジカルグラフは、そうした全体的一貫性をほぼ完全に不要にするが、その代償として幾何的な理解を大きく失い、ナビゲーション能力が制限され、しばしば「教示と反復（teach-and-repeat）」にとどまってしまう。
この課題に対して著者らは、ピクセル相対連結性（pixel-relative connectivity）という新たな地図表現を提案する。これは幾何的に正確でありながら、全体の幾何的一貫性を必要としない。近年の 3 次元に接地した画像マッチングの進展に着想を得て、個々の画像ペアの相対 3 次元座標系におけるピクセル対応に基づき、画像間の連結性を通じて画像列から地図を構築する。
さらに、このピクセルレベルのグラフを用いて、画像内のピクセル連結性を近似・疎化することで大域的な経路計画を行う。そこから「WayPixel Costmap」と呼ばれる表現を導出し、それを条件として軌道ロールアウトを予測するコントローラを学習させる。
実験では、相対幾何に基づく密なピクセルレベルのコストマップが、画像レベルや物体レベルの対応表現よりも、制御予測のための条件変数として正確であることを示した。これにより高いナビゲーション能力を備えたシステムが実現し、シミュレータにおける 4 種類のナビゲーションタスクと実世界でのデモンストレーションによって検証されている。
広い観点では、本研究は二つの極端な立場の間のバランスを狙うものだ。すなわち、全体の一貫性を要求する古典的な 3 次元地図と、幾何情報をほとんど捨てるトポロジカルグラフである。ピクセル相対連結性は局所的な幾何精度を保ちつつ、全体的一貫性の構築負担を回避し、視覚ナビゲーションの表現選択に新たな指針を与える。論文全文は arXiv の PDF と実験的な HTML 版で閲覧でき、DOI は 10.48550/arXiv.2605.24111、投稿ファイルは約 13,630 KB である。