CORNAV、2D設計図と工程表を統合し建設現場の制約を踏まえたロボットナビゲーションを実現

建設現場ロボットは、設計図や工程表、安全規則という建設特有の文脈を意味理解に統合することで、動的な作業区域や危険区域を避けながら自然言語指示を確実に実行できるか。

既存の言語グラウンディング型ナビゲーションは意味的シーン理解のみに依存し、建築図面、進化する工程表、安全制約へのアクセスがない。そのため恒久的な建物設備の位置特定が不安定で、作業区域が時間とともに変化する現場では安全な経路を生成できない。加えて、3Dシーングラフの部屋ラベルは図面と一致しないことが多く、工程表の安全情報を正しい領域に結びつけられない。

従来は、HOV-SGなどのオープンボキャブラリ3Dシーングラフによる意味検索、BIMやIFCモデルを用いたスケジュール対応ナビゲーション、LLMによる安全推論が個別に研究されてきた。しかしシーングラフは幾何的ヒューリスティクスで部屋を分割するため部屋識別が不安定であり、BIMベース手法はIFCモデルの整備を前提とし、宣言された危険を静的障害物として扱い、クエリ対象をモデル内クラスに限定する。工程表情報は幾何モデルと分離され、現場文書から制約を自動抽出する統一的な仕組みがない。

CORNAVは、CADのDXFから部屋境界を抽出してロボットの占有地図に位置合わせし、工程表を開始時刻と危険度を持つJSON制約に変換する。オープンボキャブラリ3DシーングラフはHOV-SGで構築し、可動物はCLIP埋め込み検索、CADに登録された恒久設備は図面レジストリから直接解決するハイブリッド接地を行う。工程表から活性化するハード制約は占有セルとして進入禁止に、ソフト制約はコスト係数λ=5で回避を促す。さらにGPT-4oがOSHA由来の4つの安全規則に基づき活動注記を評価し、危険度0.7以上のソフト区域をハード制約に昇格してからA*探索する。

設計図と占有地図の位置合わせRMSEはオフィスで0.135m、建設現場フロア1で0.280mだった。部屋ラベル解決精度はHOV-SGのCLIPベース手法が全体3.3%にとどまったのに対し、設計図ベースの決定論的参照は54室すべてを正確に扱った。89試行のスケジュール対応ナビゲーションでは74試行が実行可能で、実行可能経路におけるハード区域進入違反は0件だった。安全検証では4件の危険ケースをすべてハード制約へ昇格させ、4件の非危険ケースをソフトのまま維持し、ZERを100%から0.0%に低減した。54要求のアブレーションではCORNAVがCCR 100.0%、TSR 72.2%、FPR 46.3%を達成し、設計図除去でTSRが13.0%、工程表除去でCCRが53.7%、安全検証除去でCCRが83.3%に低下した。HOV-SGのみのベースラインはTSR 7.4%、CCR 42.6%だった。永続設備のタスク成功率はCORNAVで100%だが設計図除去で0%、CLIP物体は同63.4%対17.1%だった。Unitree Go2とG1による12回のライブ実証では、実行可能な全ミッションで目的地に到達し、実行不能な要求では移動しなかった。

著者は今後の課題としてマルチロボット協調と長期タスクのマニピュレーション結合を挙げている。定量的評価は記録済みRGB-Dと姿勢データを使ったオフライン解析であり、実機展開は12回の定性的デモにとどまる。評価サイトはオフィス1件と建設現場1件の3フロア、アブレーションは54要求、スケジュール試験は89試行と限定的である。GPT-4oを用いた安全検証の通信遅延やAPI依存、広範な現場条件での汎化は論文では報告されていない。