未知の3D屋内環境でドローンに求められるのは、空間全体をできるだけ網羅しながら、言語指示に関連する物体を素早く見つけることだ。従来の体積探索手法は網羅性に優れるが意味的手がかりを活用しにくく、意味情報だけに頼る手法はカバレッジを犠牲にする恐れがある。本論文は、この両立を目指す意味認識型ガイド探索システムSAGEを提案する。
SAGEはFALCON体積探索器を基盤とし、対照言語-画像事前学習（CLIP）を統合することでオープンボキャブラリのクエリを扱えるようにする。その中核は4つの要素で構成される。第一に物体中心の埋め込みストレージで、観測した物体特徴を保存してクエリ照合に用いる。第二に時間キャッシュで、最近の観測を自由-未知境界に投影し、意味情報と探索フロンティアを結びつける。第三に物体フロンティアで、類似度の高い検出結果に対して専用の探索目標を生成する。第四に統一された意味-幾何計画コストで、意味類似度と幾何学的探索利益を単一の計画指標に統合する。
重要な設計は、このコスト関数が意味的再重み付けの影響に上限を設けている点だ。意味的手がかりは特定のフロンティアの優先度を上げられるが、網羅志向の探索行動を完全に圧倒することはない。つまり、意味情報が「割り込み」を許しつつも、未探索領域を無視しない仕組みになっており、目標物体を追いながら総カバレッジを維持できる。
評価はMatterport3Dベースのシミュレーションで行われた。SAGEは物体発見タスクにおいてFALCONおよび意味情報のみのアブレーションを上回った。Finding Things in the Unknown（FTU）と比較すると、9つの共有マップ-クエリペアで探索完了が9.0〜25.9倍速く、平均13.7倍の高速化を達成した。さらに体積スループットもFTUを大きく上回る。
著者らは実環境にもSAGEを展開し、2つの環境でModal AI Starling 2クアッドロータによる5回の飛行を実施した。機体にはセンシングと計画を搭載し、CLIP推論はオフボードで行う。FALCONとの比較では、FALCONの方が探索が速くマッピング軌道も短い一方、SAGEは物体発見で優れることが分かった。これは意味的ガイドが目標発見能力を高める一方、探索効率に一定のコストが伴う可能性を示している。
本論文はCVPR 2026の第2回3D-LLM/VLAワークショップ（非アーカイブ）での発表が予定されており、10ページ、6図、4表で構成される。SAGEの意義は、オープンボキャブラリの意味モデルを網羅志向の探索フレームワークに安全に組み込む方法を示し、言語条件付き3D屋内マッピングと目標探索に実装可能な道筋を与えた点にある。