論文の概要: Fast Navigation Through Occluded Spaces via Language-Conditioned Map Prediction

• arxiv url: http://arxiv.org/abs/2512.21398v1
• Date: Wed, 24 Dec 2025 19:34:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:40.512944
• Title: Fast Navigation Through Occluded Spaces via Language-Conditioned Map Prediction
• Title（参考訳）: 言語記述型地図予測による付加空間の高速ナビゲーション
• Authors: Rahul Moorthy Mahesh, Oguzhan Goktug Poyrazoglu, Yukang Cao, Volkan Isler,
• Abstract要約: このようなコパイロット命令をローカルプランナに組み込むアプローチとしてPaceForecasterを紹介した。 PaceForecasterは、ロボットのローカルセンサーのフットプリントと、提供されるコパイロット命令を入力として取り込む。 言語条件付き予測と目標を用いることで,多角形環境下でのローカルマップのみのベースラインよりもナビゲーション性能が36%向上することを示す。
• 参考スコア（独自算出の注目度）: 18.70552952249317
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In cluttered environments, motion planners often face a trade-off between safety and speed due to uncertainty caused by occlusions and limited sensor range. In this work, we investigate whether co-pilot instructions can help robots plan more decisively while remaining safe. We introduce PaceForecaster, as an approach that incorporates such co-pilot instructions into local planners. PaceForecaster takes the robot's local sensor footprint (Level-1) and the provided co-pilot instructions as input and predicts (i) a forecasted map with all regions visible from Level-1 (Level-2) and (ii) an instruction-conditioned subgoal within Level-2. The subgoal provides the planner with explicit guidance to exploit the forecasted environment in a goal-directed manner. We integrate PaceForecaster with a Log-MPPI controller and demonstrate that using language-conditioned forecasts and goals improves navigation performance by 36% over a local-map-only baseline while in polygonal environments.
• Abstract（参考訳）: 乱雑な環境では、オクルージョンやセンサー範囲の制限によって生じる不確実性により、運動プランナーは安全とスピードのトレードオフに直面していることが多い。 本研究では,ロボットが安全を維持しつつ,より決定的な計画を立てる上で,コパイロットの指示が有効かどうかを検討する。 そこで我々はPaceForecasterを,そのようなコパイロット命令をローカルプランナに組み込むアプローチとして紹介する。 PaceForecasterは、ロボットの局所センサーフットプリント(Level-1)と提供されるコパイロット命令を入力として、予測する (i)レベル1(レベル2)から見えるすべての領域の予測地図 (ii)レベル2内の命令条件付きサブゴール。 サブゴールは、予測された環境をゴール指向で活用するための明確なガイダンスを提供する。 我々はPaceForecasterをLog-MPPIコントローラと統合し、言語条件付き予測と目標を用いることで、多角形環境下でのローカルマップのみのベースラインよりもナビゲーション性能が36%向上することを示した。

関連論文リスト

• FloorPlan-VLN: A New Paradigm for Floor Plan Guided Vision-Language Navigation [17.1490555684021]
  既存の言語ナビゲーション(VLN)タスクは、エージェントが命令に従う必要がある。 本稿では,bfFloorPlan-VLNを提案する。bfFloorPlan-VLNは,構造的なフロアプランをグローバル空間先行として活用し,簡潔な指示だけでナビゲーションを可能にする新しいパラダイムである。
  論文  参考訳（メタデータ） (2026-03-18T07:22:48Z)
• Temporally-Sampled Efficiently Adaptive State Lattices for Autonomous Ground Robot Navigation in Partially Observed Environments [2.2188568806866287]
  従来の自律型ナビゲーションアーキテクチャでは、地域移動プランナーが環境マップを消費し、ローカル移動プランナーが参照として使用する軌道を出力する。 我々は,現在生成されている軌道に対して,従来生成された軌道の更新および最適化されたバージョンを検討するために,TSEASL(Temporally-Sampiently Adaptive State Lattices)を提案する。 その結果、TSEASLを走らせる際には、ロボットがベースラインプランナーを走らせている場所と同じ場所に手動で介入する必要がなくなった。
  論文  参考訳（メタデータ） (2026-02-13T18:14:56Z)
• DAgger Diffusion Navigation: DAgger Boosted Diffusion Policy for Vision-Language Navigation [73.80968452950854]
  Vision-Language Navigation in Continuous Environments (VLN-CE) は、エージェントが自由形式の3D空間を通して自然言語の指示に従う必要がある。 既存のVLN-CEアプローチは通常、2段階のウェイポイント計画フレームワークを使用する。 本稿では,エンドツーエンド最適化VLN-CEポリシとしてDAgger Diffusion Navigation (DifNav)を提案する。
  論文  参考訳（メタデータ） (2025-08-13T02:51:43Z)
• CorNav: Autonomous Agent with Self-Corrected Planning for Zero-Shot Vision-and-Language Navigation [73.78984332354636]
  CorNavは視覚・言語ナビゲーションのための新しいゼロショットフレームワークである。 将来の計画の見直しや行動調整のための環境フィードバックが組み込まれている。 ゼロショットマルチタスク設定ですべてのベースラインを一貫して上回る。
  論文  参考訳（メタデータ） (2023-06-17T11:44:04Z)
• ETPNav: Evolving Topological Planning for Vision-Language Navigation in Continuous Environments [56.194988818341976]
  視覚言語ナビゲーションは、エージェントが環境中をナビゲートするための指示に従う必要があるタスクである。 本研究では,1)環境を抽象化し,長距離航法計画を生成する能力,2)連続環境における障害物回避制御能力の2つの重要なスキルに焦点を当てたETPNavを提案する。 ETPNavは、R2R-CEとRxR-CEデータセットの先行技術よりも10%以上、20%改善されている。
  論文  参考訳（メタデータ） (2023-04-06T13:07:17Z)
• Risk-Aware Off-Road Navigation via a Learned Speed Distribution Map [39.54575497596679]
  本研究は,データから学習可能なロボットの速度のみに基づく,トラバーサビリティの新たな表現を提案する。 提案アルゴリズムは,ロボットが達成できる速度の分布を,環境セマンティクスと命令された速度に基づいて予測する。 数値シミュレーションにより,提案したリスク認識計画アルゴリズムが平均目標達成時間を短縮することを示した。
  論文  参考訳（メタデータ） (2022-03-25T03:08:02Z)
• ViKiNG: Vision-Based Kilometer-Scale Navigation with Geographic Hints [94.60414567852536]
  長距離航法には、計画と局所的な移動可能性の推論の両方が必要である。 学習と計画を統合する学習に基づくアプローチを提案する。 ViKiNGは、画像ベースの学習コントローラを利用できる。
  論文  参考訳（メタデータ） (2022-02-23T02:14:23Z)
• Large-scale Autonomous Flight with Real-time Semantic SLAM under Dense Forest Canopy [48.51396198176273]
  本研究では,大規模自律飛行とリアルタイムセマンティックマッピングを,挑戦的なアンダーキャノピー環境下で実現可能な統合システムを提案する。 我々は、スキャン全体で関連付けられ、木のトランクモデルと同様にロボットのポーズを制約するために使用されるLiDARデータから、木の幹と地面の平面を検出し、モデル化する。 ドリフト補償機構は、プランナー最適性とコントローラ安定性を維持しつつ、セマンティックSLAM出力を用いたドリフトをリアルタイムで最小化するように設計されている。
  論文  参考訳（メタデータ） (2021-09-14T07:24:53Z)
• SABER: Data-Driven Motion Planner for Autonomously Navigating Heterogeneous Robots [112.2491765424719]
  我々は、データ駆動型アプローチを用いて、異種ロボットチームをグローバルな目標に向けてナビゲートする、エンドツーエンドのオンラインモーションプランニングフレームワークを提案する。 モデル予測制御(SMPC)を用いて,ロボット力学を満たす制御入力を計算し,障害物回避時の不確実性を考慮した。 リカレントニューラルネットワークは、SMPC有限時間地平線解における将来の状態の不確かさを素早く推定するために用いられる。 ディープQ学習エージェントがハイレベルパスプランナーとして機能し、SMPCにロボットを望ましいグローバルな目標に向けて移動させる目標位置を提供する。
  論文  参考訳（メタデータ） (2021-08-03T02:56:21Z)
• Hierarchical Robot Navigation in Novel Environments using Rough 2-D Maps [21.245942227850733]
  本研究では,環境の粗い2次元マップを利用して,新たな環境を探索する手法を提案する。 低レベルのコントローラはローカルな振る舞いでしか訓練されないので、このフレームワークは新しい環境に一般化することができます。 実測環境と新鮮環境の両方において,提案手法の有効性を示す実験結果が得られた。
  論文  参考訳（メタデータ） (2021-06-07T14:42:51Z)

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。