本研究は、未確認の環境において指定された物体カテゴリのインスタンスに到達するというオブジェクトゴールナビゲーションの問題に着目している。エンドツーエンド学習に基づくナビゲーション手法は、探索能力および長期計画能力に欠けるため、このタスクでは困難に直面する。本研究では、「目的指向的意味的探索（Goal-Oriented Semantic Exploration）」と呼ばれるモジュール型システムを提案する。このシステムはエピソード的意味地図を構築し、その地図を活用して目的の物体カテゴリに基づいて環境を効率的に探索する。視覚的に現実的なシミュレーション環境における実証結果から、本モデルはエンドツーエンド学習型手法を含む多数のベースラインを上回り、CVPR-2020 Habitat ObjectNavチャレンジの優勝エントリとして選出された。アブレーション解析の結果、本モデルはシーン内の物体間の相対的配置に関する意味的事前知識（semantic priors）を学習し、それを用いて効率的な探索を実現していることが明らかになった。ドメインに依存しないモジュール設計により、本モデルはモバイルロボットプラットフォームへの移行が可能となり、実世界におけるオブジェクトゴールナビゲーションでも類似の性能を達成した。