論文の概要: OVAL: Open-Vocabulary Augmented Memory Model for Lifelong Object Goal Navigation
- arxiv url: http://arxiv.org/abs/2604.12872v1
- Date: Tue, 14 Apr 2026 15:22:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-15 19:11:32.532486
- Title: OVAL: Open-Vocabulary Augmented Memory Model for Lifelong Object Goal Navigation
- Title（参考訳）: OVAL: オブジェクトゴールナビゲーションのためのオープン語彙拡張メモリモデル
- Authors: Jiahua Pei, Yi Liu, Guoping Pan, Yuanhao Jiang, Houde Liu, Xueqian Wang,
- Abstract要約: 我々は,生涯にわたるオープン語彙記憶フレームワークであるOVALを提案する。
本稿では,メモリモデルの構造管理を容易にするメモリ記述子を提案する。
また,多値フロンティアスコアを用いた新しい確率に基づく探索手法を提案し,寿命の長い探索効率を向上する。
- 参考スコア（独自算出の注目度）: 12.239175704116237
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Object Goal Navigation (ObjectNav) refers to an agent navigating to an object in an unseen environment, which is an ability often required in the accomplishment of complex tasks. While existing methods demonstrate proficiency in isolated single object navigation, their limitations emerge in the restricted applicability of lifelong memory representations, which ultimately hinders effective navigation toward continual targets over extended periods. To address this problem, we propose OVAL, a novel lifelong open-vocabulary memory framework, which enables efficient and precise execution of long-term navigation in semantically open tasks. Within this framework, we introduce memory descriptors to facilitate structured management of the memory model. Additionally, we propose a novel probability-based exploration strategy, utilizing a multi-value frontier scoring to enhance lifelong exploration efficiency. Extensive experiments demonstrate the efficiency and robustness of the proposed system.
- Abstract（参考訳）: オブジェクト目標ナビゲーション(Object Goal Navigation、ObjectNav)は、複雑なタスクの達成にしばしば必要とされる、見えない環境でオブジェクトにナビゲートするエージェントを指す。
既存の手法は孤立した単一オブジェクトナビゲーションの習熟度を示すが、その制限は寿命の長いメモリ表現の制限された適用性に現れ、最終的には長期にわたる継続的なターゲットへの効果的なナビゲーションを妨げる。
この問題に対処するため, 意味的オープンなタスクにおいて, 長期ナビゲーションの効率的な実行を可能にする, 生涯にわたるオープンボキャブラリメモリフレームワークOVALを提案する。
本稿では,メモリモデルの構造管理を容易にするメモリ記述子を提案する。
さらに,多値フロンティアスコアを用いた新しい確率に基づく探索手法を提案し,寿命の長い探索効率を向上する。
大規模実験は,提案システムの有効性と堅牢性を示すものである。
関連論文リスト
- SSMG-Nav: Enhancing Lifelong Object Navigation with Semantic Skeleton Memory Graph [13.132353682972315]
textitSemantic Memory Graph (SSMG)上に構築されたオブジェクトナビゲーションのためのフレームワークであるSSMG-Navを紹介する。
SSMGは過去の観測を、トポロジカル・キーポイントによって固定された空間的に整列された永続記憶に集約する。
各サブグラフに対して、メモリから合成されたマルチモーダルプロンプトがVLMを誘導し、目的地に対する目標信念を推測する。
論文 参考訳（メタデータ） (2026-03-02T12:48:00Z) - Explore with Long-term Memory: A Benchmark and Multimodal LLM-based Reinforcement Learning Framework for Embodied Exploration [52.35887679314727]
長期記憶身体探索は、エージェントの探索的認知と意思決定行動を統合することを目的としている。
エージェントのメモリリコールとプロアクティブな探索能力を高めるため,我々はMemoryExplorerを提案する。
論文 参考訳（メタデータ） (2026-01-11T16:23:22Z) - FOM-Nav: Frontier-Object Maps for Object Goal Navigation [65.76906445210112]
FOM-Navはフロンティアオブジェクトマップと視覚言語モデルによる探索効率を高めるフレームワークである。
FOM-Navをトレーニングするために,実環境から大規模ナビゲーションデータセットを自動構築する。
FOM-NavはMP3DとHM3Dのベンチマーク、特にナビゲーション効率の指標SPL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） (2025-11-30T18:16:09Z) - FindingDory: A Benchmark to Evaluate Memory in Embodied Agents [49.18498389833308]
本研究では,Habitatシミュレータに長距離エンボディタスクのための新しいベンチマークを導入する。
このベンチマークは、持続的なエンゲージメントとコンテキスト認識を必要とする60タスクにわたるメモリベースの機能を評価する。
論文 参考訳（メタデータ） (2025-06-18T17:06:28Z) - MemoNav: Working Memory Model for Visual Navigation [47.011190883888446]
イメージゴールナビゲーションは、不慣れな環境でイメージによって示されるゴールにエージェントがナビゲートする必要がある、困難なタスクである。
様々な場面の記憶を利用する既存の手法は、すべての歴史的観察を意思決定に用いているため、非効率な探索に苦しむ。
動作メモリにインスパイアされたパイプラインを用いてナビゲーション性能を向上させる,イメージゴールナビゲーションのための新しいメモリモデルであるMemoNavを提案する。
論文 参考訳（メタデータ） (2024-02-29T13:45:13Z) - MemoNav: Selecting Informative Memories for Visual Navigation [43.185016165039116]
画像ゴールナビゲーションのための新しいメモリ機構であるMemoNavを提案する。
MemoNavは、ナビゲーション性能を改善するために、エージェントの情報的短期記憶と長期記憶を保持する。
我々は、新しいマルチゴールナビゲーションデータセットでモデルを評価する。
論文 参考訳（メタデータ） (2022-08-20T05:57:21Z) - Sequential Recommender via Time-aware Attentive Memory Network [67.26862011527986]
本稿では,注意機構と繰り返し単位を改善するための時間ゲーティング手法を提案する。
また,長期と短期の嗜好を統合するマルチホップ・タイムアウェア・アテンテーティブ・メモリ・ネットワークを提案する。
提案手法は,候補探索タスクに対してスケーラブルであり,ドット積に基づくTop-Kレコメンデーションのための潜在因数分解の非線形一般化とみなすことができる。
論文 参考訳（メタデータ） (2020-05-18T11:29:38Z)
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。