論文の概要: AION: Aerial Indoor Object-Goal Navigation Using Dual-Policy Reinforcement Learning

• arxiv url: http://arxiv.org/abs/2601.15614v1
• Date: Thu, 22 Jan 2026 03:35:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:40.901303
• Title: AION: Aerial Indoor Object-Goal Navigation Using Dual-Policy Reinforcement Learning
• Title（参考訳）: AION:Dual-Policy Reinforcement Learningを用いた空中目標ナビゲーション
• Authors: Zichen Yan, Yuchen Hou, Shenao Wang, Yichao Gao, Rui Huang, Lin Zhao,
• Abstract要約: 本研究では、外部位置決めやグローバルマップに頼ることなく、視覚に基づく空中オブジェクトナビのためのAIONを提案する。 AIONは、探究と目標達成の行動を2つの専門的なポリシーに分離するエンドツーエンドの二重政治強化学習フレームワークである。 実験の結果, AIONは探索, 航法効率, 安全性の総合的な評価指標よりも優れた性能を示した。
• 参考スコア（独自算出の注目度）: 10.806030239466594
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Object-Goal Navigation (ObjectNav) requires an agent to autonomously explore an unknown environment and navigate toward target objects specified by a semantic label. While prior work has primarily studied zero-shot ObjectNav under 2D locomotion, extending it to aerial platforms with 3D locomotion capability remains underexplored. Aerial robots offer superior maneuverability and search efficiency, but they also introduce new challenges in spatial perception, dynamic control, and safety assurance. In this paper, we propose AION for vision-based aerial ObjectNav without relying on external localization or global maps. AION is an end-to-end dual-policy reinforcement learning (RL) framework that decouples exploration and goal-reaching behaviors into two specialized policies. We evaluate AION on the AI2-THOR benchmark and further assess its real-time performance in IsaacSim using high-fidelity drone models. Experimental results show that AION achieves superior performance across comprehensive evaluation metrics in exploration, navigation efficiency, and safety. The video can be found at https://youtu.be/TgsUm6bb7zg.
• Abstract（参考訳）: Object-Goal Navigation(ObjectNav)は、エージェントが未知の環境を自律的に探索し、セマンティックラベルで指定されたターゲットオブジェクトに向かってナビゲートする必要がある。 これまでの研究は主に2DローコモーションでゼロショットのObjectNavを研究してきたが、3Dローコモーション能力を持つ空中プラットフォームに拡張した。 航空ロボットはより優れた操縦性と探索効率を提供するが、空間認識、動的制御、安全性保証における新たな課題も導入する。 本稿では,外部位置化やグローバルマップに頼ることなく,視覚に基づく空域オブジェクトナブのためのAIONを提案する。 AIONは、探究と目標達成の行動を2つの特別なポリシーに分離する、エンドツーエンドの二重政治強化学習(RL)フレームワークである。 我々はAI2-THORベンチマークでAIONを評価し、高忠実度ドローンモデルを用いてIsaacSimのリアルタイム性能をさらに評価した。 実験の結果, AIONは探索, 航法効率, 安全性の総合的な評価指標よりも優れた性能を示した。 ビデオはhttps://youtu.be/TgsUm6bb7zgで見ることができる。

関連論文リスト

• AutoFly: Vision-Language-Action Model for UAV Autonomous Navigation in the Wild [62.47761809929869]
  視覚言語ナビゲーション(VLN)は、視覚的観察とともに言語指示を解釈することで、知的エージェントが環境をナビゲートする必要がある。 無人航空機(UAV)の現在のVLN研究は、所定のルートに沿ってUAVを誘導するための詳細な指示に依存している。 本稿では,自律型UAVナビゲーションのためのエンド・ツー・エンドのビジョン・ランゲージ・アクションモデルであるAutoFlyを提案する。
  論文  参考訳（メタデータ） (2026-02-10T11:08:07Z)
• APEX: A Decoupled Memory-based Explorer for Asynchronous Aerial Object Goal Navigation [26.546610806602803]
  Embodied AIの挑戦的なフロンティアであるAerial Object Goal Navigationでは、無人航空機(UAV)エージェントが視覚的知覚と言語記述のみを使用して、特定のターゲットを自律的に探索、推論、識別する必要がある。 既存の手法は、大気環境における複雑な空間表現の記憶、信頼性と解釈可能な行動決定、非効率な探索と情報収集に苦慮している。 我々は,複雑な空中環境下での効率的な探索と目標獲得を目的とした,新しい階層型エージェントであるtextAPEXを紹介した。
  論文  参考訳（メタデータ） (2026-01-31T06:27:57Z)
• UAV-ON: A Benchmark for Open-World Object Goal Navigation with Aerial Agents [17.86691411018085]
  UAV-ONは、オープンワールド環境における航空エージェントによる大規模目標航法(NavObject)のベンチマークである。 多様な意味領域と複雑な空間レイアウトを備えた14の高忠実なUnreal Engine環境で構成されている。 1270のアノテートされたターゲットオブジェクトを定義し、それぞれがカテゴリ、物理フットプリント、視覚ディスクリプタをエンコードするインスタンスレベルの命令によって特徴付けられる。
  論文  参考訳（メタデータ） (2025-08-01T03:23:06Z)
• CityNavAgent: Aerial Vision-and-Language Navigation with Hierarchical Semantic Planning and Global Memory [39.76840258489023]
  航空ビジョン・アンド・ランゲージナビゲーション(VLN)では、ドローンが自然言語の指示を解釈し、複雑な都市環境をナビゲートする必要がある。 都市空域VLNの航法複雑性を著しく低減する大規模言語モデル(LLM)を用いたエージェントである textbfCityNavAgent を提案する。
  論文  参考訳（メタデータ） (2025-05-08T20:01:35Z)
• ForesightNav: Learning Scene Imagination for Efficient Exploration [57.49417653636244]
  人間の想像力と推論に触発された新しい探索戦略であるForesightNavを提案する。 提案手法は,ロボットエージェントに,未探索領域の占有状況や意味的詳細などの文脈情報を予測する能力を備える。 本研究では,Structured3Dデータセットを用いた想像力に基づくアプローチの有効性を検証し,シーン形状の予測において,正確な占有率予測と優れた性能を示す。
  論文  参考訳（メタデータ） (2025-04-22T17:38:38Z)
• Open-World Drone Active Tracking with Goal-Centered Rewards [62.21394499788672]
  Drone Visual Active Trackingは、視覚的な観察に基づいてモーションシステムを制御することで、対象物を自律的に追跡することを目的としている。 DATは,世界初となるエア・ツー・グラウンド・トラッキング・ベンチマークである。 また,複雑なシナリオにおけるドローン追跡目標の性能向上を目的としたGC-VATを提案する。
  論文  参考訳（メタデータ） (2024-12-01T09:37:46Z)
• Occupancy Anticipation for Efficient Exploration and Navigation [97.17517060585875]
  そこで我々は,エージェントが自我中心のRGB-D観測を用いて,その占有状態を可視領域を超えて推定する,占有予測を提案する。 エゴセントリックなビューとトップダウンマップの両方でコンテキストを活用することで、私たちのモデルは環境のより広いマップを予測できます。 われわれのアプローチは、2020 Habitat PointNav Challengeの優勝だ。
  論文  参考訳（メタデータ） (2020-08-21T03:16:51Z)

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。