論文の概要: NavTrust: Benchmarking Trustworthiness for Embodied Navigation
- arxiv url: http://arxiv.org/abs/2603.19229v1
- Date: Thu, 19 Mar 2026 17:59:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-20 17:19:06.336009
- Title: NavTrust: Benchmarking Trustworthiness for Embodied Navigation
- Title（参考訳）: NavTrust: 身体的ナビゲーションの信頼性のベンチマーク
- Authors: Huaide Jiang, Yash Chaudhary, Yuping Wang, Zehao Wang, Raghav Sharma, Manan Mehta, Yang Zhou, Lichao Sun, Zhiwen Fan, Zhengzhong Tu, Jiachen Li,
- Abstract要約: 既存の研究は主に名目条件下でのモデル性能を評価する。
本稿では,RGB,深さ,命令などの入力モダリティを現実的なシナリオで体系的に破壊するベンチマークであるNavTrustを紹介する。
- 参考スコア（独自算出の注目度）: 46.877107016809504
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: There are two major categories of embodied navigation: Vision-Language Navigation (VLN), where agents navigate by following natural language instructions; and Object-Goal Navigation (OGN), where agents navigate to a specified target object. However, existing work primarily evaluates model performance under nominal conditions, overlooking the potential corruptions that arise in real-world settings. To address this gap, we present NavTrust, a unified benchmark that systematically corrupts input modalities, including RGB, depth, and instructions, in realistic scenarios and evaluates their impact on navigation performance. To our best knowledge, NavTrust is the first benchmark that exposes embodied navigation agents to diverse RGB-Depth corruptions and instruction variations in a unified framework. Our extensive evaluation of seven state-of-the-art approaches reveals substantial performance degradation under realistic corruptions, which highlights critical robustness gaps and provides a roadmap toward more trustworthy embodied navigation systems. Furthermore, we systematically evaluate four distinct mitigation strategies to enhance robustness against RGB-Depth and instructions corruptions. Our base models include Uni-NaVid and ETPNav. We deployed them on a real mobile robot and observed improved robustness to corruptions. The project website is: https://navtrust.github.io.
- Abstract（参考訳）: VLN(Vision-Language Navigation)、OGN(Object-Goal Navigation)、OGN(Object-Goal Navigation)の2種類がある。
しかし、既存の研究は主に名目上の条件下でのモデル性能を評価し、現実の環境で発生する潜在的な腐敗を見落としている。
このギャップに対処するために、現実的なシナリオにおいて、RGB、深さ、命令を含む入力モダリティを体系的に破壊し、ナビゲーション性能への影響を評価する統一ベンチマークであるNavTrustを提案する。
私たちの知る限り、NavTrustは、組み込みナビゲーションエージェントをさまざまなRGB-Depthの破損や、統一されたフレームワークでの命令のバリエーションに公開する最初のベンチマークです。
最先端の7つのアプローチの広範な評価は、現実的な汚職下での大幅なパフォーマンス劣化を示し、重要な堅牢性ギャップを強調し、より信頼性の高い実施可能なナビゲーションシステムへのロードマップを提供する。
さらに,RGB-Depthに対する堅牢性を高め,腐敗を指示する4つの異なる緩和策を体系的に評価した。
ベースモデルにはUni-NaVidとETPNavがあります。
実際のモバイルロボットにデプロイし、汚職に対する堅牢性を改善した。
プロジェクトのWebサイトは以下の通り。
関連論文リスト
- Trajectory-Diversity-Driven Robust Vision-and-Language Navigation [39.4949197412916]
VLN(Vision-and-Language Navigation)は、自然言語の指示に従い、エージェントがフォトリアリスティックな環境をナビゲートする必要がある。
目標指向ナビゲーションポリシを学習する強化学習フレームワークであるNavGRPOを提案する。
ベースラインよりも+14.89%のSPL向上を示し、目標指向のRLトレーニングがより堅牢なナビゲーションポリシーを構築することを確認した。
論文 参考訳（メタデータ） (2026-03-16T14:46:54Z) - HyPerNav: Hybrid Perception for Object-Oriented Navigation in Unknown Environment [9.835605248219586]
未知環境におけるナビゲーションの有効性とインテリジェンスを高めるために,Hybrid Perception Navigation (HyNav)を提案する。
本手法は,エゴセントリックな観測からの情報とトップダウンマップを同時に利用することにより,よりリッチなキューを捕捉し,オブジェクトをより効果的に発見する。
論文 参考訳（メタデータ） (2025-10-27T01:43:56Z) - Nav-R1: Reasoning and Navigation in Embodied Scenes [16.10022718760368]
Emナビゲーションでは、エージェントが知覚、推論、行動を統合する必要がある。
既存のアプローチは、しばしば一貫性のない不安定な推論トレースに悩まされる。
実施環境における推論を統一する基礎モデルであるNav-R1を提案する。
論文 参考訳（メタデータ） (2025-09-13T16:31:03Z) - Disrupting Vision-Language Model-Driven Navigation Services via Adversarial Object Fusion [56.566914768257035]
本稿では,サービス指向環境における視覚言語ナビゲーション(VLN)エージェントを対象とした新たな攻撃フレームワークであるAdversarial Object Fusion(AdvOF)を提案する。
本稿では,通常のナビゲーションタスクに対する最小限の干渉を維持しつつ,敵条件下でのエージェント性能を効果的に劣化させることができることを示す。
この研究は、VLMによるナビゲーションシステムにおけるサービスセキュリティの理解を深め、物理世界展開における堅牢なサービス構成のための計算基盤を提供する。
論文 参考訳（メタデータ） (2025-05-29T09:14:50Z) - DORAEMON: Decentralized Ontology-aware Reliable Agent with Enhanced Memory Oriented Navigation [55.888688171010365]
DORAEMONは、人間のナビゲーション機能を模倣したVentralとDorsal Streamsで構成される、認知にインスパイアされたフレームワークである。
我々は,DORAEMONをHM3D,MP3D,GOATのデータセット上で評価し,成功率(SR)と成功度(SPL)の測定値の両方で最先端のパフォーマンスを達成する。
論文 参考訳（メタデータ） (2025-05-28T04:46:13Z) - NavCoT: Boosting LLM-Based Vision-and-Language Navigation via Learning Disentangled Reasoning [97.88246428240872]
Embodied AIの重要な研究課題であるVision-and-Language Navigation (VLN)は、自然言語の指示に従って複雑な3D環境をナビゲートするために、エンボディエージェントを必要とする。
近年の研究では、ナビゲーションの推論精度と解釈可能性を改善することにより、VLNにおける大きな言語モデル(LLM)の有望な能力を強調している。
本稿では,自己誘導型ナビゲーション決定を実現するために,パラメータ効率の高いドメイン内トレーニングを実現する,Navigational Chain-of-Thought (NavCoT) という新しい戦略を提案する。
論文 参考訳（メタデータ） (2024-03-12T07:27:02Z) - RobustNav: Towards Benchmarking Robustness in Embodied Navigation [42.89815630148065]
RobustNavは、視覚的またはダイナミックな汚職にさらされたときに、実施中のナビゲーションエージェントのパフォーマンスを定量化するフレームワークである。
データ強化や自己教師型適応といったロバスト性向上のための標準手法は, 耐ゼロショット性やナビゲーション性能の向上を図っている。
論文 参考訳（メタデータ） (2021-06-08T17:14:33Z) - Active Visual Information Gathering for Vision-Language Navigation [115.40768457718325]
視覚言語ナビゲーション(VLN)は、エージェントがフォトリアリスティックな環境の中でナビゲーションの指示を行うためのタスクである。
VLNの重要な課題の1つは、曖昧な指示による不確実性を緩和し、環境の観察を不十分にすることで、堅牢なナビゲーションを行う方法である。
この研究は、人間のナビゲーション行動からインスピレーションを得て、よりインテリジェントなVLNポリシーのためのアクティブな情報収集能力を持つエージェントを提供する。
論文 参考訳（メタデータ） (2020-07-15T23:54:20Z)
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。