論文の概要: Explore Like Humans: Autonomous Exploration with Online SG-Memo Construction for Embodied Agents

• arxiv url: http://arxiv.org/abs/2604.19034v1
• Date: Tue, 21 Apr 2026 03:35:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-22 22:41:49.599256
• Title: Explore Like Humans: Autonomous Exploration with Online SG-Memo Construction for Embodied Agents
• Title（参考訳）: 人間らしく探究する: 人工エージェントのためのオンラインSG-Memo構築による自律的な探索
• Authors: Xu Chen, Shichao Xie, Zhining Gu, Lu Jia, Minghua Luo, Fei Liu, Zedong Chu, Yanfen Shen, Xiaolong Wu, Mu Xu,
• Abstract要約: ABot-Explorerは、メモリ構築とオンラインRGBのみのプロセスへの探索を統合する、新しいアクティブな探索フレームワークである。 中心となるABot-Explorerは、Large Vision-Language Models (VLMs)を活用して、セマンティックナビゲーション改善(SNA)を蒸留する。 SNAを階層的なSG-Memoに動的に統合することで、ABot-Explorerは構造的トランジットノードを優先順位付けすることで、人間のような探索ロジックをミラーする。
• 参考スコア（独自算出の注目度）: 15.948899354590408
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Constructing structured spatial memory is essential for enabling long-horizon reasoning in complex embodied navigation tasks. Current memory construction predominantly relies on a decoupled, two-stage paradigm: agents first aggregate environmental data through exploration, followed by the offline reconstruction of spatial memory. However, this post-hoc and geometry-centric approach precludes agents from leveraging high-level semantic intelligence, often causing them to overlook navigationally critical landmarks (e.g., doorways and staircases) that serve as fundamental semantic anchors in human cognitive maps. To bridge this gap, we propose ABot-Explorer, a novel active exploration framework that unifies memory construction and exploration into an online, RGB-only process. At its core, ABot-Explorer leverages Large Vision-Language Models (VLMs) to distill Semantic Navigational Affordances (SNA), which act as cognitive-aligned anchors to guide the agent's movement. By dynamically integrating these SNAs into a hierarchical SG-Memo, ABot-Explorer mirrors human-like exploratory logic by prioritizing structural transit nodes to facilitate efficient coverage. To support this framework, we contribute a large-scale dataset extending InteriorGS with SNA and SG-Memo annotations. Experimental results demonstrate that ABot-Explorer significantly outperforms current state-of-the-art methods in both exploration efficiency and environment coverage, while the resulting SG-Memo is shown to effectively support diverse downstream tasks.
• Abstract（参考訳）: 複雑な具体化されたナビゲーションタスクにおいて、長い水平推論を可能にするためには、構造化された空間記憶の構築が不可欠である。 現在のメモリ構築は、主に分離された2段階のパラダイムに依存している:エージェントは探索を通じてまず環境データを集約し、次いで空間記憶のオフライン再構築を行う。 しかし、このポストホックで幾何学中心のアプローチは、エージェントが高レベルのセマンティックインテリジェンスを活用することを妨げ、しばしば、人間の認知地図の基本的なセマンティックアンカーとして機能するナビゲーション上重要なランドマーク(例えばドアウェイや階段)を見落としてしまう。 このギャップを埋めるために、我々はABot-Explorerを提案する。ABot-Explorerは、オンラインのRGBのみのプロセスにメモリ構築と探索を統合する、新しいアクティブな探索フレームワークである。 ABot-Explorerは、Large Vision-Language Models (VLMs) を利用して、エージェントの動きを導くための認知的なアンカーとして機能するセマンティックナビゲーションアフォードランス (SNA) を蒸留する。 これらのSNAを階層的なSG-Memoに動的に統合することにより、ABot-Explorerは、構造的トランジットノードを優先順位付けして、ヒューマンライクな探索ロジックをミラーし、効率的なカバレッジを促進する。 このフレームワークをサポートするために,SNAアノテーションとSG-Memoアノテーションを併用した大規模データセットをInstituteGSにコントリビュートする。 実験の結果、ABot-Explorerは探索効率と環境カバレッジの両方において最先端の手法よりも優れており、その結果、SG-Memoは様々な下流タスクを効果的にサポートしていることがわかった。

関連論文リスト

• 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)
• From reactive to cognitive: brain-inspired spatial intelligence for embodied agents [50.99942960312313]
  Brain-inspired Space Cognition for Navigation (BSC-Nav) は、エンボディエージェントにおける構造化空間メモリの構築と活用のための統合されたフレームワークである。 BSC-Navは、エゴセントリックな軌跡と文脈的手がかりからアロセントリックな認知マップを構築し、意味的目標に沿った空間的知識を動的に回収する。
  論文  参考訳（メタデータ） (2025-08-24T03:20:48Z)
• Embodied-RAG: General Non-parametric Embodied Memory for Retrieval and Generation [69.01029651113386]
  Embodied-RAGは、非パラメトリックメモリシステムによるエンボディエージェントのモデルを強化するフレームワークである。 コアとなるEmbodied-RAGのメモリはセマンティックフォレストとして構成され、言語記述を様々なレベルで詳細に保存する。 Embodied-RAGがRAGをロボット領域に効果的にブリッジし、250以上の説明とナビゲーションクエリをうまく処理できることを実証する。
  論文  参考訳（メタデータ） (2024-09-26T21:44:11Z)
• Cog-GA: A Large Language Models-based Generative Agent for Vision-Language Navigation in Continuous Environments [19.818370526976974]
  VLN-CE(Vision Language Navigation in Continuous Environments)は、AIのフロンティアである。 本稿では,VLN-CEタスクに適した大規模言語モデル(LLM)に基づく生成エージェントであるCog-GAを紹介する。 Cog-GAは、人間のような認知過程をエミュレートするための二重戦略を採用している。
  論文  参考訳（メタデータ） (2024-09-04T08:30:03Z)
• 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。