概要: データ駆動型のナビゲーション手法は、現実的で制御不能な条件下において成功裏に学習を行い、堅牢な性能を発揮するために、大規模で高品質な実世界データの収集に強く依存している。ナビゲーション関連の実世界データセットの増え続けるラインナップを拡充するため、EgoWalk を導入する。これは、多様な屋内／屋外、さまざまな季節、および立地環境における人間のナビゲーション 50 時間からなるデータセットである。生データおよび模倣学習に対応可能なデータとともに、他のナビゲーション関連タスク向けに、自動的に派生データセットを作成するためのいくつかのパイプラインを提示する。具体的には、自然言語による目標注釈と、通行可能性（通行可能領域）のセグメンテーションマスクである。提案データセットについて、多様性に関する調査、利用事例、ベンチマークを示し、その実用的な適用可能性を実証する。
さらに、ロボットのナビゲーションシステムにおける今後の研究開発を支援するため、データ処理パイプラインのすべてと、データ収集に用いたハードウェアプラットフォームの説明を、公開して提供する。
EgoWalk：実環境におけるロボットナビゲーションのためのマルチモーダルデータセット
arXiv cs.RO / 2026/4/21
📰 ニュースDeveloper Stack & InfrastructureSignals & Early TrendsModels & Research
要点
- 本論文では、屋内外・季節・場所の多様な環境で収集した人間のナビゲーションデータ50時間からなる、マルチモーダルなロボットナビゲーション向けデータセット「EgoWalk」を提案しています。
- 生データに加えてイミテーションラーニングに適したデータを提供し、さらに自然言語のゴール注釈や走行可能領域のセグメンテーションマスクといった派生リソースも用意されています。
- 複数のナビゲーション関連タスク向けに副次的なデータセットを自動生成するためのパイプラインが提供されており、幅広い用途を可能にします。
- 多様性に関する分析、ユースケース、ベンチマークにより、制御されていない現実環境での実用性と頑健性を示しています。
- データ処理パイプラインと、収集に用いたハードウェア基盤の説明をすべてオープンに公開し、今後のロボットナビゲーション研究開発を後押しします。
