BioVLN: 생체 의학 연구실 환경에서의 시각-언어 기반 네비게이션을 위한 시뮬레이션 플랫폼

BioVLN: A Simulation Platform for Visual Language Navigation in Biomedical Laboratories

생체 의학 연구실 로봇은 실험 절차를 수행하기 전에 다양한 장비로 이동해야 합니다. 기존의 로봇 네비게이션 시스템은 주로 가정 환경에 맞춰 설계되었으며, 목표 지점을 단순히 특정 객체의 중심이나 주변 위치로 간주합니다. 이러한 방식은 작동 측면을 고려하고 주변 장비와의 안전 거리를 유지하면서 접근해야 하는 생체 의학 연구실의 장비에는 적합하지 않습니다. 본 논문에서는 생체 의학 연구실 환경에서 시각-언어 기반 네비게이션 에이전트 개발 및 평가를 위한 시뮬레이션 플랫폼인 BioVLN을 소개합니다. BioVLN은 각 장비를 물리적 몸체, 주변 안전 영역, 그리고 사용 가능한 측면 앞의 작업 영역이라는 세 가지 영역으로 표현합니다. 이 모델은 장면 생성, 목표 위치 설정, 네비게이션 평가 및 안전 분석에 일관되게 적용되며, 성공은 해당 장비에 접근할 수 있는 위치에 도달하는 것으로 정의됩니다. BioVLN은 절차 기반의 장면 생성과 수동으로 설계된 환경을 모두 지원하며, 총 47개의 장면과 1667개의 에피소드를 생성합니다. 표준화된 네비게이션 인터페이스와 강화 학습 기능을 통해 경로 데이터를 수집하고 정책을 훈련할 수 있습니다. 실험 결과, 기하학적 탐색의 성공률은 74.4%에서 87.5%에 달하는 반면, 작업 영역 내에서 여러 유효 위치를 샘플링하면 성공률이 83.3%에서 92.5%로 향상되고 위험한 접근 빈도가 감소합니다.

Biomedical laboratory robots must navigate to instruments before performing experimental procedures. Existing embodied navigation platforms are designed for household environments and treat a target as an object center or an arbitrary nearby position. This representation is inadequate for laboratory instruments, which must be approached from their operating side while maintaining safe clearance from surrounding equipment. We introduce BioVLN, a simulation platform for developing and evaluating visual-language navigation agents in biomedical laboratories. BioVLN represents each instrument with three regions: its physical body, a surrounding clearance region, and an operation area in front of the usable side. This model is applied consistently to scene generation, target placement, navigation evaluation, and safety analysis, so success depends on reaching a position from which the instrument can be accessed. BioVLN supports procedural scene generation and manually designed environments, producing 47 scenes and 1667 episodes. Standardized navigation and reinforcement-learning interfaces enable trajectory collection and policy training. Experiments show that geometric exploration reaches 74.4--87.5% success, while sampling multiple valid positions in the operation area improves success to 83.3--92.5% and reduces unsafe proximity.