Redaksi akdah.ac.id – Penelitian terbaru mengenai navigasi berbasis visi dan bahasa (Vision-and-Language Navigation, VLN) menunjukkan tantangan signifikan dalam mengarahkan agen yang berpindah berdasarkan instruksi bahasa alami di lingkungan yang tidak adanya GPS. Dalam konteks ini, sebuah formulasi baru bernama Vision-Only Long-Horizon Navigation (VoLN) diperkenalkan untuk mengalihkan informasi yang berkaitan dengan rute dari instruksi eksternal ke isyarat yang dapat diamati secara lokal.
Konsep Dasar Vision-and-Language Navigation
VLN memungkinkan agen untuk mengikuti instruksi yang diberikan dalam bentuk bahasa alami. Namun, tantangan yang sering dihadapi adalah bahwa instruksi pada tingkat rute sering menyertakan informasi spatial, seperti orientasi, jarak, dan tata letak, yang tidak selalu tersedia dari sensor onboard saat agen dikerahkan di lingkungan terbuka. Dalam hal ini, kinerja pengujian tidak hanya mencerminkan kemampuan navigasi visual tetapi juga mencerminkan penggunaan struktur rute yang diberikan oleh deskripsi tugas.
Pengenalan VoLN
VoLN menawarkan pendekatan yang berbeda dengan memindahkan informasi rute yang relevan dari instruksi yang disuplai secara eksternal menjadi isyarat yang dapat diamati secara lokal dalam adegan. Dalam sistem VoLN, pemandangan tujuan menentukan lokasi akhir, sementara informasi informasi tentang rute hanya dapat diambil melalui isyarat yang terdeteksi, diinterpretasikan, dan dipilih oleh agen saat melakukan navigasi. Ini berimplikasi pada peningkatan kemampuan agen untuk beraksi berdasarkan informasi yang terkumpul di sekitar mereka, bukan hanya bergantung pada instruksi yang telah diberikan sebelumnya.
Pengembangan VoLN-UAV
VoLN diimplementasikan untuk navigasi udara melalui VoLN-UAV, sebuah benchmark yang terdiri dari 7,210 episode. Benchmark ini mencakup penerbangan terdorong tujuan dengan jarak jauh, gerakan 3D yang berkelanjutan, perubahan sudut pandang yang besar, serta pemilihan beacon yang bergantung pada konteks. Melalui model ini, agen diharapkan dapat menghadapi situasi yang lebih kompleks dan beragam dalam menavigasi lingkungan yang tidak dikenali.
Penilaian Kinerja Awal
VoLN-MLLM diperkenalkan sebagai baseline awal untuk menilai kinerja sistem. Model ini menyelaraskan fitur visual yang bersifat self-supervised dengan ruang semantik terstruktur serta memprediksi segmen waypoint jarak pendek berdasarkan sejarah observasi, pandangan tujuan, token visual-semantik yang diperoleh, dan proprioception. Hasil yang didapatkan dari pengujian di lima lingkungan yang tidak dikenali menunjukkan tingkat keberhasilan sebesar 7.4%, 4.5%, dan 1.8% pada episode yang mudah, normal, dan sulit, masing-masing.
Dampak dan Tantangan
Hasil awal dari VoLN menunjukkan tantangan yang signifikan dalam integrasi bukti untuk perjalanan jarak jauh, pencocokan tujuan lintas pandang, dan stabilitas dalam lingkar tertutup. Penyelesaian dari tantangan ini sangat penting untuk pengembangan lebih lanjut dari sistem navigasi berbasis visi yang dapat diandalkan di lingkungan yang tidak memiliki GPS. Penelitian ini membuka jalur baru untuk penelitian lebih lanjut dalam bidang navigasi otonom dan memberikan wawasan yang lebih mendalam mengenai penggunaan informasi spatial yang dapat diobservasi.
Kesimpulan
Inovasi yang diperkenalkan oleh VoLN dan VoLN-UAV menunjukkan potensi dan tantangan dalam navigasi berbasis visi yang dapat mengandalkan pengamatan lokal. Dengan adanya studi ini, diharapkan akan ada perkembangan lebih lanjut dalam memperkuat kemampuan agen otonom, menciptakan sistem yang mampu menavigasi lingkungan yang lebih kompleks tanpa ketergantungan pada informasi eksternal. Penelitian dalam bidang ini menjadi semakin penting, seiring dengan meningkatnya kebutuhan akan teknologi yang dapat membantu dalam situasi navigasi yang sulit.
