arXiv:2607.12811v1 cs.RO

PixelLoop: 픽셀 수준 루프를 이용한 위상 지름길 탐색

PixelLoop: Shortcut Topological Navigation with Pixel-Level Loops

Sarthak Chittawar, Vansh Garg, Aditya Vadali, Krish Pandya, Rohit Jayanti, Sourav Garg, Madhava Krishna

제출 2026-07-14

한국어 초록

위상 매핑과 탐색은 광범위하게 연구되어 왔지만, 순수 위상 표현에서 루프 클로저(loop closure)의 구체적인 역할과 하류 효과는 상대적으로 주목을 받지 못했다. 중요하게도, 위상 맵에서의 루프 클로저는 전역 참조 궤적 및 메트릭 맵에서의 루프 클로저와는 다르다. 최근 픽셀 수준의 상대적 3D 기하에 기반한 더 밀집한 위상 구조를 바탕으로, 우리는 픽셀 공간에 직접 루프 클로저를 도입하는 PixelLoop를 제안한다. SLAM의 희소한 이미지 수준 엣지나 포즈 그래프 보정과 달리, 우리의 픽셀 수준 클로저는 좌표를 정렬하는 것을 넘어 계획 연결성과 비용 전파를 바꾸는 밀집 위상 지름길로 작동한다. 이러한 밀집 연결성은 안정적인 임의 지점 간 탐색을 가능하게 하며 기하학적 최단 경로와 정확히 일치하는 비용맵(costmap)을 생성한다. 특히, 이미지 수준 위상이 아닌 세밀한 픽셀 위상에 루프 클로저를 적용할 때의 뚜렷한 이점을 보여준다. 광범위한 시뮬레이션 실험에서 PixelLoop는 이미지 상대 기준선 대비 Success Rate와 SPL 모두에서 35%p 이상의 절대 향상을 달성했으며, 지름길 활용이 필요한 시나리오에서 가장 큰 이득을 보였다. 결과는 실제 이동 로봇 배치를 통해서도 검증되었으며, 밀집 픽셀 수준 루프 클로저가 위상 시각 탐색을 위한 실용적이고 견고한 기반을 제공함을 보여준다. Project Page: https://pixelloop-nav.github.io/

원문 초록

Although topological mapping and navigation have been studied extensively, the specific role and downstream effect of loop closures in purely topological representations has received relatively little attention. Importantly, loop closure over topological maps is distinct from loop closure over globally referenced trajectories and metric maps. Building on recent denser topologies grounded in pixel-level, relative 3D geometry, we propose PixelLoop which introduces loop closures directly in pixel space. Unlike sparse image-level edges or pose-graph corrections in SLAM, our pixel-level closures act as dense topological shortcuts that alter planning connectivity and cost propagation rather than merely aligning coordinates. This dense connectivity enables stable any-point-to-any-point navigation and produces costmaps that align accurately with geometric shortest paths. In particular, we showcase the distinct advantage of applying loop closures to fine-grained pixel topologies rather than image-level topologies. Across extensive simulated experiments, PixelLoop achieves over 35% absolute improvement in both Success Rate and SPL compared to image-relative baselines, with the largest gains in scenarios requiring shortcut exploitation. Results are further validated through real-world mobile robot deployments, demonstrating that dense pixel-level loop closures provide a practical and robust foundation for topological visual navigation. Project Page: https://pixelloop-nav.github.io/

제출 이력

확인된 버전만 표시합니다. 전체 제출 이력은 arXiv 원문에서 확인하세요.

  1. arXiv:2607.12811v1제출 시각 미확인

함께 살펴볼 논문

공통 태그를 근거로 연결했습니다. 실제 인용 관계나 논문의 우수성을 뜻하지 않습니다.

arXiv:2606.26839v2cs.RO공통 태그 Navigate, Visual Navigation

시각 내비게이션을 위한 표현 사전으로서의 순서형 신경 붕괴

Ordinal Neural Collapse as a Representation Prior for Visual Navigation

시각 관측으로부터 직접 강건한 내비게이션 정책을 학습하는 것은 비전 기반 로봇 내비게이션에서 근본적인 과제로 남아 있다. End-to-end 모방 학습(imitation learning) 접근법에서는 시각 인코더와 행동 디코더가 단일 행동 손실(action loss)을 사용하여 공동으로 최적화되며, 이는 인코더에 간접적인 지도 신호만을 제공한다. 이러한 간접적 지도는 종종 인코더가 모호하고 행동 비특이적(action-agnostic) 표현을 학습하는 결과를 낳는다. 이 문제는 다양한 환경에 걸친 장면 구조와 외형의 상당한 변화, 뿐만 아니라 실제 세계 내비게이션 설정에 내재된 시각적 방해 요소(visual distractors)의 빈번한 존재로 더욱 복잡해진다. 이러한 행동 비특이적 특징은 내비게이션 정책이 모호한 의사결정 지점에서 일관성 없는 행동을 생성하게 하여 내비게이션 실패로 이어진다. 이러한 한계를 극복하기 위해, 우리는 ORION(Ordinal Neural Collapse for Visual Navigation)을 제안한다. 이는 내비게이션 행동의 순서 구조에 따라 인코더의 표현 공간을 명시적으로 구성하는 방법이다. 목표 지향 내비게이션(goal-directed navigation) 맥락에서, Far Left부터 Far Right까지의 자기 중심(ego-centric) 제어 범주는 이웃 클래스가 유사한 시각적 맥락을 공유하는 반면, 의미적으로 대립하는 클래스는 외형에서 상당히 다르다는 자연스러운 순서 관계를 보인다. 우리는 각 클래스 내에서 축외(off-axis) 분산을 억제하면서, 단일 판별 축을 따라 클래스 표현이 순차적으로 배열되도록 유도한다. 사전학습(pre-training)된 인코더는 이후 diffusion 기반 내비게이션 프레임워크에 통합되며, 전체 파이프라인이 end-to-end로 파인튜닝(fine-tuning)된다. 시뮬레이션과 실제 환경 모두에서의 광범위한 실험은 ORION이 내비게이션 성공률과 목표 진행률(goal progress)에서 end-to-end 및 neural collapse 베이스라인을 지속적으로 능가하며, 복잡한 다방향 교차로와 같은 시각적으로 어려운 시나리오에서 두드러진 향상을 보인다는 것을 보여준다.

arXiv:2607.19880v2cs.RO공통 태그 Navigate, Visual Navigation

EA-Nav: 체화 인식 기반 안전한 시각 내비게이션 정책 학습

EA-Nav: Learning Safe Visual Navigation Policies with Embodiment Awareness

교차 체화(cross-embodiment) 내비게이션은 체화 지능(embodied intelligence)의 핵심 과제이다. 체화의 차이로 인해 동일한 시각 관측이 서로 다른 에이전트(agent)에게는 서로 다른 행동을 의미할 수 있으며, 시각에만 의존할 경우 예측이 모호해진다. 기존 연구는 주로 강화학습에 의존하며, 이는 대규모 상호작용과 세심한 보상 설계를 요구하여 확장 가능한 사전학습(pre-training)과 실세계 적응을 지원하기 어렵게 만든다. 반면 모방 학습(imitation learning) 기반 접근법은 여전히 제한적이다. 이러한 과제를 해결하기 위해, 우리는 모듈형 다단계 설계를 갖춘 모방 학습 기반의 체화 인식 내비게이션 프레임워크를 제안한다. 사전학습 단계에서, 우리는 인터넷 동영상으로부터 교차 체화 내비게이션 데이터셋을 구성하고, 동일한 관측 하에서 행동 모호성을 줄이기 위해 체화 기하학(embodiment geometry)을 조건부 토큰(token)으로 도입한다. 미세조정 단계에서, 우리는 분리형(decoupled) 아키텍처 기반의 멀티모달 정보 주입 메커니즘을 설계한다. 구체적으로, 고위험 샘플을 생성하는 궤적 증강(trajectory augmentation) 전략을 설계하고, 이를 공간 지각(spatial perception)과 위험 인식(risk-aware) 보정(correction) 학습에 각각 사용하여, 안전한 내비게이션을 위해 체화 기하학을 명시적으로 통합한다. 실험 결과, 제안 방법은 서로 다른 체화 설정에서 내비게이션 성능을 효과적으로 향상시키며, 체화 내비게이션에 체화 기하학을 통합하는 것의 효과를 보여준다.

arXiv:2601.12291v2cs.RO공통 태그 Navigate, Visual Navigation

OpenNavMap: 확장 가능한 시각 내비게이션을 위한 다중 세션 외관 기반 토포메트릭 매핑

OpenNavMap: Multi-Session Appearance-Based Topometric Mapping for Scalable Visual Navigation

확장 가능하고 유지보수가 용이한 맵은 대규모 내비게이션과 실제 환경에서의 로봇 장기 배치의 기본 요소이다. 그러나 밀집 기하학 또는 3D 랜드마크를 명시적으로 유지하는 기존 맵은 높은 저장 및 유지보수 비용이 발생하며, 다중 세션 매핑으로 확장할 때의 핵심 과제는 희박한 시점 중첩, 시간적 외관 변화, 기기 간 편차 하에서의 시각적 위치 추정(visual localization)이다. 이를 해결하기 위해, 우리는 이미지 노드를 공시성(covisibility), 오도메트리(odometry), 통행 가능성(traversability) 그래프로 구성하고 필요 시 3D 기하학적 파운데이션 모델(GFM)에 국소 기하 복원을 위임하는 경량의 랜드마크 없는 토포메트릭 매핑 시스템인 OpenNavMap을 제안한다. 위치 추정을 위해, 동적 프로그래밍 기반 시퀀스 매칭이 GFM의 후보 대응을 좁혀 전역 추정을 경량의 자세(pose)만 최적화하는 문제로 축소한다. 매핑을 위해, 평생(lifelong) 파이프라인이 기기 간 병합과 노드 정리(node culling)를 통해 다중 세션·다중 기기 데이터를 융합한다. 4개의 실제 환경에 걸친 19km 데이터셋에서, OpenNavMap은 Map-Free 벤치마크에서 최신(state-of-the-art) $0.62$m 변위 오차를 달성하고, 깊이 센서 없이 15.7km 구간에서 절대 궤적 오차를 $3$m 이하로 제한하며, 시뮬레이션 및 실제 로봇 모두에서 $12$개의 자율 이미지 목표(image-goal) 시각 내비게이션 과제를 완수한다. 코드와 데이터셋은 https://rpl-cs-ucl.github.io/OpenNavMap_page 에서 공개될 예정이다.

arXiv:2607.20785v1cs.RO공통 태그 Navigate, Visual Navigation

Robostral Navigate

Robostral Navigate

내비게이션 시스템을 대규모로 배포하려면 센서 가정을 최소화하고, 로봇 형태에 걸쳐 일반화하며, 효율적으로 학습할 수 있는 방법이 필요하다. 그러나 오늘날 최고 수준의 시스템은 깊이 센서, 다중 카메라 장치, 또는 사전 구축된 지도에 의존하여 지원하는 하드웨어를 제한하고 배포 비용을 증가시킨다. 우리는 이러한 확장성 목표를 중심으로 구축된 80억 파라미터 비전-언어 모델 Robostral Navigate를 제안한다. 이 모델은 로봇 플랫폼 전반에서 가장 보편적인 센서인 단안 RGB 이미지 스트림만 입력으로 받으며, 현재 카메라 시야에서 다음 목표 위치를 가리키는 방식으로 웨이포인트(waypoint)를 예측한다. 로봇별 좌표계가 아닌 순수하게 이미지 공간에서 동작하기 때문에, 정책은 카메라 내부 파라미터와 장면 스케일 변화에 자연스럽게 견고해지며, 재보정 없이 바퀴형, 다리형, 공중 로봇에 배포할 수 있다. 우리는 실제 세계 데이터 수집에 대한 의존을 줄이고 쉽게 확장하기 위해 35만 개의 시뮬레이션 장면에서 240만 개의 궤적을 생성한다. 또한 전체 에피소드를 단일 학습 시퀀스에 패킹하는 접두 문맥 캐싱(prefix-caching) 학습 방법을 도입하여, 학습 토큰을 22배 줄이고 학습 시간을 수개월에서 수일로 단축했다. 트리 기반 어텐션 마스크는 이전 정답 행동에 대한 조건화를 방지하여 시각적으로 그라운딩된 행동 예측을 촉진하며, 강화학습을 사용해 탐험 및 복구 능력을 더욱 향상시킨다. 연속 환경 Room-to-Room 및 Room-Across-Room(R2R-CE 및 RxR-CE) 벤치마크에서 Robostral Navigate는 새로운 최고 수준을 기록했다. R2R-CE에서 단일 RGB 카메라만 사용함에도 77.4% 성공률을 달성하여, 최고의 단안 방법보다 10.5 포인트, 가장 강력한 깊이 또는 다중 카메라 시스템보다 5.3 포인트 높다. RxR-CE에서는 75.1% 성공률에 도달하여 모든 단안 baseline을 능가한다.

arXiv:2606.24101v1cs.RO공통 태그 Navigate, Visual Navigation

NavWM: 예지 기반 계획을 위한 통합 내비게이션 월드 모델

NavWM: A Unified Navigation World Model for Foresight-Driven Planning

기존의 시각 내비게이션 정책은 복잡한 환경에서 근시안적 의사결정과 모드 붕괴(mode collapse) 문제에 빈번히 어려움을 겪는다. 월드 모델(world model)은 유망한 대안을 제시하지만, 기존 패러다임은 일반적으로 인식, 생성, 제어를 분리하여 이들이 공유하는 시공간적 역학을 포착하는 데 실패한다. 본 논문에서는 잠재 월드 추론, 멀티모달 행동 예측, 제어 가능한 시각 생성을 원활하게 통합하는 통합 내비게이션 월드 모델인 NavWM을 제안한다. 핵심적으로, NavWM은 잠재 월드 토큰(latent world token)을 활용하여 기하학적·의미론적 사전 지식을 증류하고, 에이전트에게 강건한 구조적 이해 능력을 부여한다. 결정론적 정책의 한계를 극복하기 위해, 다양한 행동 공간을 생성하는 앵커 기반 멀티모달 궤적 예측 프레임워크를 도입한다. 이러한 내재적 다양성은 생성적 월드 모델이 강건한 폐루프(closed-loop) 플래너로 기능할 수 있도록 명시적으로 지원하며, 시각적 예지(visual foresight)를 활용하여 최적 경로를 평가하고 선택한다. 다양한 로보틱스 데이터셋에 걸친 광범위한 실험을 통해 NavWM이 최첨단 성능을 크게 향상시키며, 고충실도 미래 상태 생성과 제로샷(zero-shot) 내비게이션 성공률 모두에서 두드러진 개선을 달성함을 입증한다.

토론

이 논문과 연결된 포럼 글이 아직 없습니다.