本論文では、物体目標ナビゲーション（ObjNav）をデバイス内で効率的に実行するための方法であるEfficientNavを提案します。従来の方法は、大規模言語モデル（LLM）をクラウドで利用しており、これはデバイス上での展開において制約がありました。小型のLLMに切り替えると、ナビゲーションマップの理解が難しくなり、成功率が著しく低下します。本研究では、冗長な情報を削除するセマンティクス対応のメモリ取得を導入することで、ナビゲーションマップの理解を向上させると同時に、プランニングの遅延を減少させるための非連続メモリキャッシングを提案します。実験結果によれば、EfficientNavはHM3DベンチマークでGPT-4をベースにした方法と比較して成功率を11.1%向上させ、リアルタイムレイテンシを6.7倍、エンドツーエンドレイテンシを4.7倍削減することができました。