OVAL: 生涯にわたるオブジェクト目標ナビゲーションのための、オープンボキャブラリ拡張メモリモデル

要旨: オブジェクト・ゴールナビゲーション（ObjectNav）とは、未見の環境においてエージェントが対象物へ移動することを指し、複雑なタスクを達成する際にしばしば必要とされる能力である。既存の手法は、孤立した単一対象物のナビゲーションにおいて高い熟練度を示している一方で、永続的メモリ表現の適用範囲が制限されていることが制約として現れ、その結果、長期間にわたって継続的な目標に向けて効果的にナビゲーションすることが妨げられる。そこで本研究では、OVALという新しい、終身（ライフロング）なオープン語彙メモリの枠組みを提案し、意味的にオープンなタスクにおける長期ナビゲーションを効率的かつ正確に実行できるようにする。この枠組みの中で、メモリモデルの構造化された管理を促すためのメモリ記述子を導入する。さらに、終身探索の効率を高めるために、多値のフロンティアスコアリングを用いた新しい確率ベースの探索戦略も提案する。大規模な実験により、提案システムの効率性と頑健性が実証される。