工場やオフィス、住宅への監視システムの導入が進む中、これらのシステムとロボットを統合させることで、協働的で効率的なタスク実行が可能になるという新たな方向性が注目されています。しかし既存のアプローチの多くは単一ロボットのシナリオに焦点を当てており、大規模環境での複数視点の協働に課題を抱えていました。この研究では、Habitat-Simに基づいた新しい屋内協働物体ナビゲーションデータセットを提示します。このデータセットは74階層に渡って206台のカメラを備えており、複数視点の監視情報を活用するエージェントの能力を体系的に評価することを可能にします。 単一ロボットの知覚能力の限界に対処するため、研究チームはSurveilNavという協働ナビゲーションフレームワークを提案しました。このフレームワークは能動的なカメラスケジューリング、2D/3D統合マッピング、VLMベースの価値推定、そして協働的なターゲット検証を統合しています。ロボットのダイナミックな局所的知覚と監視システムの静的でグローバルな視点を相乗させることで、このアーキテクチャは単一エージェントの知覚範囲の制限と固定カメラの本質的な死角の両方を効果的に克服し、非効率的な探索を解決します。 HM3Dデータセット上での実験結果は、SurveilNavが既存手法を大幅に上回り、探索効率と航行成功率の両方において最先端のパフォーマンスを達成していることを示しています。さらにこのシステムは、大規模捜索、家庭環境、救助任務などのアプリケーションにおいて強い応用可能性を示唆しています。