OccPlanner: 목표 인지 점유 공간 기반 확산 계획기 - 픽셀 목표 지시를 이용한 로봇 네비게이션

OccPlanner: Goal-Aware Occupancy-Conditioned Diffusion Planner for Pixel-Goal Navigation

픽셀 목표 네비게이션은 에이전트의 카메라 시야에서 직접 목표 위치를 지정하지만, 해당 픽셀은 거리 정보나 통행 가능성을 제공하지 않아 3차원 공간에서의 목표 위치 설정 및 충돌을 피하는 연속적인 계획 수립에 어려움이 있습니다. 본 논문에서는 목표 인지 점유 공간 기반 확산 계획기인 OccPlanner를 제안합니다. OccPlanner는 픽셀 목표를 에고 중심의 거리 공간에 연결하고, 시퀀스적으로 시각적 맥락과 학습된 로컬 3차원 점유 정보를 활용하여 목표 표현을 조정합니다. 대규모 점유 정보 지도 생성을 위해, 단일 카메라 RGB 네비게이션 영상을 기하학적 재구성 및 광선 기반 가시성 추론을 통해 로봇 중심의 로컬 3차원 점유 정보로 변환하는 L3ROcc를 제안합니다. OccPlanner는 InternData-N1 데이터셋으로 학습하고, InternScenes에서 제공하는 네 가지 새로운 환경 카테고리와 두 가지 목표 거리 범위에서의 폐루프 시뮬레이션을 통해 성능을 평가했습니다. 5~8m 거리 설정에서, OccPlanner는 NavDP 모델 대비 평균 성공률(SR)을 네 가지 카테고리 전체적으로 20.81%에서 71.55%로 향상시켰으며, 특히 혼잡도가 높지만 쉬운 환경에서는 86.20%, 혼잡도가 높은 환경에서는 84.92%의 성공률을 달성했습니다. 또한, Unitree Go2 로봇을 이용한 실제 환경에서의 개방형 실험 결과는 L3ROcc가 생성한 지도 정보를 활용한 시뮬레이션-실제 환경 간의 이전(transfer) 및 적응 가능성에 대한 초기 증거를 제공합니다.

Pixel-goal navigation specifies targets directly in the agent's camera view, but a target pixel provides neither metric depth nor traversability, making 3D goal grounding and collision-free continuous planning challenging. We present OccPlanner, a goal-aware occupancy-conditioned diffusion planner that grounds pixel goals in egocentric metric space and sequentially conditions the goal representation on temporal visual context and learned local 3D occupancy features. To provide occupancy supervision at scale, we introduce L3ROcc, which converts monocular RGB navigation videos into robot-centric local 3D occupancy annotations through geometric reconstruction and ray-based visibility reasoning. We train OccPlanner on InternData-N1 and evaluate it in closed-loop simulation across four unseen scene categories from InternScenes and two goal-distance ranges. In the 5-8 m setting, OccPlanner increases the average success rate (SR) over NavDP from 20.81% to 71.55% across the four categories, reaching 86.20% and 84.92% in cluttered-easy and cluttered-hard scenes, respectively. Real-world open-loop experiments on a Unitree Go2 further provide initial evidence of sim-to-real transfer and adaptation with L3ROcc-generated supervision.