論文の概要: FeudalNav: A Simple Framework for Visual Navigation

• arxiv url: http://arxiv.org/abs/2602.06974v1
• Date: Thu, 15 Jan 2026 22:10:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-15 14:54:53.673098
• Title: FeudalNav: A Simple Framework for Visual Navigation
• Title（参考訳）: FeudalNav:ビジュアルナビゲーションのためのシンプルなフレームワーク
• Authors: Faith Johnson, Bryan Bo Cao, Shubham Jain, Ashwin Ashok, Kristin Dana,
• Abstract要約: ナビゲーション決定過程を複数のレベルに分解する階層的なフレームワークを開発する。 提案手法は,簡単な経路選択ネットワークを通じてサブゴールを選択することを学習する。 トレーニングや推論にオドメトリを使わずに,Habitat AI環境におけるSOTA手法のスイートによる競合結果を示す。
• 参考スコア（独自算出の注目度）: 7.136542835931238
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Visual navigation for robotics is inspired by the human ability to navigate environments using visual cues and memory, eliminating the need for detailed maps. In unseen, unmapped, or GPS-denied settings, traditional metric map-based methods fall short, prompting a shift toward learning-based approaches with minimal exploration. In this work, we develop a hierarchical framework that decomposes the navigation decision-making process into multiple levels. Our method learns to select subgoals through a simple, transferable waypoint selection network. A key component of the approach is a latent-space memory module organized solely by visual similarity, as a proxy for distance. This alternative to graph-based topological representations proves sufficient for navigation tasks, providing a compact, light-weight, simple-to-train navigator that can find its way to the goal in novel locations. We show competitive results with a suite of SOTA methods in Habitat AI environments without using any odometry in training or inference. An additional contribution leverages the interpretablility of the framework for interactive navigation. We consider the question: how much direction intervention/interaction is needed to achieve success in all trials? We demonstrate that even minimal human involvement can significantly enhance overall navigation performance.
• Abstract（参考訳）: ロボットのためのビジュアルナビゲーションは、視覚的なキューとメモリを使用して環境をナビゲートする人間の能力にインスパイアされ、詳細な地図の必要性がなくなる。 目に見えない、マップなし、あるいはGPSで特定された設定では、従来のメートル法ベースの手法は不足しており、最小限の探索で学習ベースのアプローチに移行する。 本研究では,ナビゲーション決定過程を複数のレベルに分解する階層型フレームワークを開発する。 提案手法は,簡単な経路選択ネットワークを通じてサブゴールを選択することを学習する。 アプローチの重要なコンポーネントは、距離のプロキシとして、視覚的類似性のみによって構成された潜時空間メモリモジュールである。 このグラフベースのトポロジ表現の代替は、ナビゲーションタスクに十分であることを示すもので、コンパクトで軽量で単純なトレインナビゲータを提供し、新しい場所でゴールへの道を見つけることができる。 トレーニングや推論にオドメトリを使わずに,Habitat AI環境におけるSOTA手法のスイートによる競合結果を示す。 追加のコントリビューションは、インタラクティブナビゲーションのためのフレームワークの解釈性を活用する。 すべての試験で成功するためには、どの程度の方向性の介入/介入が必要か? 最小限の人間の関与さえも、全体的なナビゲーション性能を大幅に向上させることができることを実証する。

関連論文リスト

• Hierarchical end-to-end autonomous navigation through few-shot waypoint detection [0.0]
  人間のナビゲーションはランドマークと行動の関連によって促進される。 現在の自律ナビゲーション方式は、正確な位置決め装置とアルゴリズム、および環境から収集されたセンサーデータの広範なストリームに依存している。 本研究では,移動ロボットがこれまで知られていなかった環境をナビゲートできる階層型メタ学習手法を提案する。
  論文  参考訳（メタデータ） (2024-09-23T00:03:39Z)
• Feudal Networks for Visual Navigation [6.1190419149081245]
  封建的学習を用いた視覚ナビゲーションの新しいアプローチを提案する。 各レベルのエージェントはタスクの異なる側面を見て、異なる空間的および時間的スケールで操作する。 得られた封建的なナビゲーションネットワークは、SOTAの性能に近い。
  論文  参考訳（メタデータ） (2024-02-19T20:05:41Z)
• Interactive Semantic Map Representation for Skill-based Visual Object Navigation [43.71312386938849]
  本稿では,室内環境との相互作用にともなうシーンセマンティックマップの表現について紹介する。 我々はこの表現をSkillTronと呼ばれる本格的なナビゲーション手法に実装した。 提案手法により,ロボット探索の中間目標とオブジェクトナビゲーションの最終目標の両方を形成できる。
  論文  参考訳（メタデータ） (2023-11-07T16:30:12Z)
• NoMaD: Goal Masked Diffusion Policies for Navigation and Exploration [57.15811390835294]
  本稿では,目標指向ナビゲーションと目標非依存探索の両方を扱うために,単一の統合拡散政策をトレーニングする方法について述べる。 この統一された政策は、新しい環境における目標を視覚的に示す際に、全体的な性能が向上することを示す。 実世界の移動ロボットプラットフォーム上で実施した実験は,5つの代替手法と比較して,見えない環境における効果的なナビゲーションを示す。
  論文  参考訳（メタデータ） (2023-10-11T21:07:14Z)
• Object Goal Navigation with Recursive Implicit Maps [92.6347010295396]
  対象目標ナビゲーションのための暗黙的な空間マップを提案する。 提案手法は, 挑戦的なMP3Dデータセット上での技量を著しく上回る。 我々は、実際のロボットにモデルをデプロイし、実際のシーンでオブジェクトゴールナビゲーションの結果を奨励する。
  論文  参考訳（メタデータ） (2023-08-10T14:21:33Z)
• Learning Navigational Visual Representations with Semantic Map Supervision [85.91625020847358]
  エージェントの自我中心のビューとセマンティックマップを対比してナビゲーション固有の視覚表現学習法を提案する。 Ego$2$-Map学習は、オブジェクト、構造、遷移などのコンパクトでリッチな情報を、ナビゲーションのためのエージェントのエゴセントリックな表現に転送する。
  論文  参考訳（メタデータ） (2023-07-23T14:01:05Z)
• 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)
• 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)
• Lifelong Topological Visual Navigation [16.41858724205884]
  本稿では,生涯ナビゲーション性能を時間とともに向上させるグラフ更新戦略を用いた学習型ビジュアルナビゲーション手法を提案する。 画像に基づくトポロジグラフを構築するためのサンプリングベースの計画アルゴリズムから着想を得た結果,スペーサーグラフはベースライン法に比べてナビゲーション性能が高い。 固定的なトレーニング環境から学習するコントローラとは異なり、ロボットが配置される実環境から比較的小さなデータセットを使ってモデルを微調整できることが示される。
  論文  参考訳（メタデータ） (2021-10-16T06:16:14Z)
• ViNG: Learning Open-World Navigation with Visual Goals [82.84193221280216]
  視覚的目標達成のための学習に基づくナビゲーションシステムを提案する。 提案手法は,我々がvingと呼ぶシステムが,目標条件強化学習のための提案手法を上回っていることを示す。 我々は、ラストマイル配送や倉庫検査など、現実の多くのアプリケーションでViNGを実演する。
  論文  参考訳（メタデータ） (2020-12-17T18:22:32Z)

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。