セマンティック・アウェア・ガイドドローン探査：言語条件付き3D屋内マッピング

本論文では、未知の3D屋内環境におけるオープン語彙探査のためのSAGE（セマンティック・アウェア・ガイド探査）システムを提案する。このシステムは、カバレッジ指向の動作を維持しつつ、セマンティックキューによってフロンティア選択を再優先できるようにする。SAGEはFALCONボリューム探査器を基盤とし、コントラスティブ言語-画像事前学習（CLIP）を4つの主要コンポーネント（オブジェクト中心の埋め込みストレージ、最近の観測を自由-未知境界に投影するテンポラルキャッシュ、高類似度検出のためのオブジェクトフロンティア、統一されたセマンティック-幾何学計画コスト）を通じて統合する。このコスト関数はセマンティック再重み付けの影響を制限し、総カバレッジを犠牲にすることなくフロンティアを優先する。Matterport3Dベースのシミュレーションでは、SAGEはマップ-クエリペアにおいてFALCONおよびセマンティックのみのアブレーションを物体発見で上回った。また、「未知の物体発見」（FTU）と比較して、9つの共有マップ-クエリペアで探査速度が9.0～25.9倍向上し、平均速度向上は13.7倍であった。さらに、SAGEはFTUよりも高い体積スループットを達成した。最後に、SAGEを2つの環境における5回の実飛行で、機載センシングと計画、およびオフボードCLIP推論を備えたModal AI Starling 2クワッドローターに展開した。SAGEとFALCONを比較すると、FALCONがより高速な探査と短いマッピング軌跡をもたらす一方で、SAGEは物体発見においてFALCONを上回ることがわかった。この研究はCVPR 2026の第2回3D-LLM/VLAワークショップで発表予定であり、10ページ、6図、4表から構成される。ロボティクスとコンピュータビジョンの交差点における重要な進展を示しており、CLIPのマルチモーダル理解能力を活用することで、未知環境での言語指示による物体発見の効率を大幅に向上させている。