論文の概要: Constructing coherent spatial memory in LLM agents through graph rectification

• arxiv url: http://arxiv.org/abs/2510.04195v1
• Date: Sun, 05 Oct 2025 13:27:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-07 16:52:59.508572
• Title: Constructing coherent spatial memory in LLM agents through graph rectification
• Title（参考訳）: グラフ修正によるLCMエージェントのコヒーレント空間記憶の構成
• Authors: Puzhen Zhang, Xuyang Chen, Yu Feng, Yuhan Jiang, Liqiu Meng,
• Abstract要約: 本研究では,インクリメンタルに構築されたナビゲーショングラフにおける構造的不整合の検出,局所化,補正を行うフレームワークを提案する。 我々のアプローチは地図の正確性や堅牢性を大幅に改善します。
• 参考スコア（独自算出の注目度）: 11.320476634022244
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Given a map description through global traversal navigation instructions (e.g., visiting each room sequentially with action signals such as north, west, etc.), an LLM can often infer the implicit spatial layout of the environment and answer user queries by providing a shortest path from a start to a destination (for instance, navigating from the lobby to a meeting room via the hall and elevator). However, such context-dependent querying becomes incapable as the environment grows much longer, motivating the need for incremental map construction that builds a complete topological graph from stepwise observations. We propose a framework for LLM-driven construction and map repair, designed to detect, localize, and correct structural inconsistencies in incrementally constructed navigation graphs. Central to our method is the Version Control, which records the full history of graph edits and their source observations, enabling fine-grained rollback, conflict tracing, and repair evaluation. We further introduce an Edge Impact Score to prioritize minimal-cost repairs based on structural reachability, path usage, and conflict propagation. To properly evaluate our approach, we create a refined version of the MANGO benchmark dataset by systematically removing non-topological actions and inherent structural conflicts, providing a cleaner testbed for LLM-driven construction and map repair. Our approach significantly improves map correctness and robustness, especially in scenarios with entangled or chained inconsistencies. Our results highlight the importance of introspective, history-aware repair mechanisms for maintaining coherent spatial memory in LLM agents.
• Abstract（参考訳）: グローバルな横断航法指示(例えば、北、西などの行動信号で各部屋を順次訪問する)による地図記述が与えられた場合、LDMは、しばしば環境の暗黙の空間的レイアウトを推測し、開始から目的地までの最も短い経路(例えば、ロビーからホールとエレベーターを介して会議室に移動する)を提供することで、ユーザクエリに答えることができる。 しかし、環境がずっと長くなるにつれて、このような文脈依存的なクエリは不可能となり、段階的に観測から完全なトポロジグラフを構築するインクリメンタルマップ構築の必要性を動機付けている。 インクリメンタルに構築されたナビゲーショングラフにおける構造的不整合を検出し, 局所化し, 正しい構造的不整合を検知するLLM駆動型構築とマップ修復のためのフレームワークを提案する。 提案手法の中心となるのはVersion Controlで,グラフ編集とそのソース観測履歴をフルに記録し,詳細なロールバック,コンフリクトトレース,修復評価を可能にする。 さらにEdge Impact Scoreを導入し、構造的到達性、パス使用量、コンフリクト伝搬に基づく最小限のコストの修理を優先順位付けします。 提案手法を適切に評価するために,非トポロジ的動作と固有の構造的矛盾を体系的に除去し,LLM駆動型構築とマップ修復のためのよりクリーンなテストベッドを提供することにより,MANGOベンチマークデータセットの洗練されたバージョンを作成する。 我々のアプローチは地図の正確性や堅牢性を大幅に改善します。 LLMエージェントにおけるコヒーレントな空間記憶を維持するために,イントロスペクティブな履歴対応修復機構の重要性を強調した。

関連論文リスト

• Automated Label Placement on Maps via Large Language Models [3.7553323195283697]
  データ編集問題としてタスクを定式化するALP(Automatic label Placement)の新たなパラダイムを導入する。 この方向を支援するため,実世界の地図上でALPを評価するためのベンチマークデータセットとして,MAPLEをキュレートした。 我々は,MAPLE 上で4つのオープンソース LLM を評価し,各種ランドマークの全体的な性能と一般化を解析した。
  論文  参考訳（メタデータ） (2025-07-29T18:00:22Z)
• Decoupled DETR: Spatially Disentangling Localization and Classification for Improved End-to-End Object Detection [48.429555904690595]
  本稿では,タスク認識型問合せ生成モジュールと切り離された特徴学習プロセスを含む空間的に分離されたDETRを紹介する。 提案手法は,従来の研究に比べてMSCOCOデータセットの大幅な改善を実現していることを示す。
  論文  参考訳（メタデータ） (2023-10-24T15:54:11Z)
• Constructing Metric-Semantic Maps using Floor Plan Priors for Long-Term Indoor Localization [29.404446814219202]
  本稿では,長期オブジェクトベースローカライゼーションを目的としたメートル法セマンティックマップ構築の課題に対処する。 モノラルなRGBフレームからの3次元物体検出,オブジェクトベースのマップ構築,および構築されたマップのグローバルなローカライズに活用する。 オフィスビルにおける地図構築を評価し,同じ環境下で9ヶ月にわたって記録された課題列に対する長期的局所化アプローチを検証した。
  論文  参考訳（メタデータ） (2023-03-20T09:33:05Z)
• Robust Change Detection Based on Neural Descriptor Fields [53.111397800478294]
  我々は、部分的に重なり合う観測結果とノイズのある局所化結果に頑健なオブジェクトレベルのオンライン変化検出手法を開発した。 形状符号の類似性を利用して物体を連想させ, 局所的な物体近傍の空間配置を比較することにより, 観測重複や局所雑音に対する頑健性を示す。
  論文  参考訳（メタデータ） (2022-08-01T17:45:36Z)
• Robust Self-Tuning Data Association for Geo-Referencing Using Lane Markings [44.4879068879732]
  本稿では,データアソシエーションにおけるあいまいさを解消するための完全なパイプラインを提案する。 その中核は、測定のエントロピーに応じて探索領域に適応する堅牢な自己調整データアソシエーションである。 ドイツ・カールスルーエ市周辺の都市・農村のシナリオを実データとして評価した。
  論文  参考訳（メタデータ） (2022-07-28T12:29:39Z)
• Robust Self-Supervised LiDAR Odometry via Representative Structure Discovery and 3D Inherent Error Modeling [67.75095378830694]
  そこで我々は,2段階のオドメトリ推定ネットワークを構築し,一連の部分領域変換を推定してエゴモーメントを求める。 本稿では,トレーニング,推論,マッピングフェーズにおける信頼できない構造の影響を軽減することを目的とする。 我々の2フレームのオードメトリーは、翻訳/回転誤差の点で、過去の芸術の状態を16%/12%上回っている。
  論文  参考訳（メタデータ） (2022-02-27T12:52:27Z)
• Unveiling the Potential of Structure-Preserving for Weakly Supervised Object Localization [71.79436685992128]
  本稿では,WSOLの畳み込み機能に組み込まれた構造情報を完全に活用するための2段階構造保存アクティベーション(SPA)を提案する。 第1段階では、分類ネットワークによって引き起こされる構造ミス問題を軽減するために制限アクティベーションモジュール(ram)が設計されている。 第2段階では, 自己相関マップ生成(SCG)モジュールと呼ばれるプロセス後アプローチを提案し, 構造保存ローカライゼーションマップを得る。
  論文  参考訳（メタデータ） (2021-03-08T03:04:14Z)
• Weakly-Supervised Salient Object Detection via Scribble Annotations [54.40518383782725]
  本稿では,スクリブルラベルからサリエンシを学習するための弱教師付きサリエント物体検出モデルを提案する。 そこで本研究では,予測されたサリエンシマップの構造アライメントを測定するために,新しい尺度であるサリエンシ構造尺度を提案する。 我々の手法は、既存の弱教師付き/非教師付き手法よりも優れているだけでなく、いくつかの完全教師付き最先端モデルと同等である。
  論文  参考訳（メタデータ） (2020-03-17T12:59:50Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。