ScaleNav, 인터넷 동영상으로 언어 지시 기반 로컬 내비게이션 학습

ScaleNav는 인터넷상의 1인칭 시점 동영상에서 목표 지향적 시각 동역학을 학습하고, 언어 지시에 따른 로컬 내비게이션용 로봇 행동을 생성하는 프레임워크다. 시뮬레이션에서는 Short-Horizon OVON의 단일 시점 버전에서 86.5%, 자체 HabitatGS-LN 벤치마크에서 94.9%의 성공률을 기록해 평가한 모든 베이스라인을 웃돌았다. 또한 실제 4족 보행 로봇에도 적용해 실제 환경 내비게이션으로의 일반화 능력을 확인했다고 밝혔다.