論文の概要: Beyond Thinking: Imagining in 360$^\circ$ for Humanoid Visual Search

• arxiv url: http://arxiv.org/abs/2605.09146v1
• Date: Sat, 09 May 2026 20:10:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-12 23:28:50.085373
• Title: Beyond Thinking: Imagining in 360$^\circ$ for Humanoid Visual Search
• Title（参考訳）: 360$^\circ$で人型ビジュアル検索を想像する
• Abstract要約: Humanoid Visual Search (HVS)では、エージェントが没入型360$circ$環境を積極的に探索する必要がある。 Imagining in 360$circ$, a novel framework that decouples the exploration process into a special Imaginator and an Actor。 本研究では,意味空間の先行を明示的にモデル化することで,複雑な環境下での探索効率と成功率を大幅に向上させることを示す。
• 参考スコア（独自算出の注目度）: 50.04233606482412
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Humanoid Visual Search (HVS) requires agents to actively explore immersive 360$^\circ$ environments. While prior methods treat this as a monolithic task relying on cumulative, multi-turn Chain-of-Thought (CoT) reasoning, they impose heavy cognitive burdens and require expensive trajectory-level annotations. In this paper, we propose Imagining in 360$^\circ$, a novel framework that decouples the exploration process into a specialized Imaginator and an Actor. The Imaginator functions as a probabilistic predictor of spatial priors; instead of maintaining a cumulative reasoning chain, it infers the semantic layout of both observed and unobserved regions in a single step. By sampling multiple hypotheses within this semantic space, we provide the Actor with a distribution of effective spatial information, offering robust guidance that hedges against uncertainty during active search. This decoupled architecture significantly lowers data engineering costs by eliminating the need for full-trajectory CoT annotations, enabling the generation of over 1.96 million curated training samples. Extensive experiments demonstrate that explicitly modeling semantic spatial priors drastically improves search efficiency and success rates in complex, in-the-wild environments.
• Abstract（参考訳）: Humanoid Visual Search (HVS)では、エージェントが没入型360$^\circ$環境を積極的に探索する必要がある。 従来の手法では、これを累積的マルチターン・チェーン・オブ・ソート(CoT)推論に依存したモノリシックなタスクとして扱うが、それらは重度の認知的負担を課し、高価な軌道レベルのアノテーションを必要とする。 本稿では,探索過程を特殊Imaginatorとアクターに分離する新しいフレームワークであるImagining in 360$^\circ$を提案する。 イマジネーターは空間的先行の確率的予測器として機能し、累積的推論チェーンを維持する代わりに、観測された領域と観測されていない領域の両方のセマンティックなレイアウトを単一のステップで推論する。 この意味空間内で複数の仮説をサンプリングすることにより、アクターに効果的な空間情報の分布を与え、アクティブ検索中の不確実性に対してヘッジする堅牢なガイダンスを提供する。 この分離されたアーキテクチャは、完全なCoTアノテーションを不要にすることで、データエンジニアリングのコストを大幅に削減し、1億96百万以上のキュレートされたトレーニングサンプルを生成することができる。 広範にわたる実験により、意味的空間的先行を明示的にモデル化することで、複雑な、その環境における探索効率と成功率を大幅に向上することが示された。

関連論文リスト

• Decoupling Exploration and Policy Optimization: Uncertainty Guided Tree Search for Hard Exploration [12.531650952835493]
  本稿では,探査段階におけるRLの活用と回避を明確に分離する新たなパラダイムを提案する。 政策最適化のオーバーヘッドを取り除くことにより,本手法は,ハードなAtariベンチマーク上での本質的なモチベーションベースラインよりも,桁違いに効率よく探索する。 得られた軌跡を既存の教師付き後方学習アルゴリズムを用いて,展開可能なポリシに抽出できることを実証した。
  論文  参考訳（メタデータ） (2026-03-23T17:56:52Z)
• GeoSense: Internalizing Geometric Necessity Perception for Multimodal Reasoning [51.63457948949102]
  マルチモーダル大規模言語モデル(MLLM)の限られた空間的理解を克服する枠組みを開発する。 この枠組みは,2次元の手がかりが不十分と判断された場合の推論において,幾何学的特徴を自律的に関与させることにより,知覚的不整合を意識したモデルを実現する。
  論文  参考訳（メタデータ） (2026-03-11T03:32:12Z)
• Theory of Space: Can Foundation Models Construct Spatial Beliefs through Active Exploration? [83.13508919229939]
  宇宙の理論は、自己指向的かつ活発な探索を通じて情報を得るエージェントの能力として定義される。 重要な革新は空間的信念の探索であり、各ステップでモデルが空間的表現を明らかにするように促す。 この結果から,現在の基盤モデルでは,活発な探査において,コヒーレントで変更可能な空間的信念の維持に苦慮していることが示唆された。
  論文  参考訳（メタデータ） (2026-02-04T19:06:40Z)
• TDMPBC: Self-Imitative Reinforcement Learning for Humanoid Robot Control [26.93901849666341]
  一般に、複素高次元空間におけるタスクを達成するための実現可能な領域は極端に狭くなっている。 本稿では,タスク関連トラジェクトリをRLアルゴリズムで模倣した$textbfS$elf-$textbfI$mitative $textbfR$einforcementを提案する。 提案アルゴリズムは,HumanoidBenchを5%余分な計算オーバヘッドで120%の性能向上を実現している。
  論文  参考訳（メタデータ） (2025-02-24T16:55:27Z)
• TrackFlow: Multi-Object Tracking with Normalizing Flows [36.86830078167583]
  トラッキング・バイ・ディテクトをマルチモーダル・セッティングに拡張することを目的としている。 3D情報の大まかな見積も利用可能であり、他の伝統的なメトリクスとマージする必要がある。 提案手法は,複数のトラッキング・バイ・検出アルゴリズムの性能を継続的に向上させる。
  論文  参考訳（メタデータ） (2023-08-22T15:40:03Z)
• Calibration of Derivative Pricing Models: a Multi-Agent Reinforcement Learning Perspective [3.626013617212667]
  量的金融における最も基本的な問題の1つは、与えられたオプションセットの市場価格に適合する連続時間拡散モデルの存在である。 我々の貢献は、この問題の適切なゲーム理論定式化が、現代の深層多エージェント強化学習における既存の発展を活用することで、この問題をいかに解決できるかを示すことである。
  論文  参考訳（メタデータ） (2022-03-14T05:34:00Z)
• On Reward-Free RL with Kernel and Neural Function Approximations: Single-Agent MDP and Markov Game [140.19656665344917]
  エージェントが事前に特定された報酬関数を使わずに環境を徹底的に探索することを目的とした報酬のないRL問題について検討する。 関数近似の文脈でこの問題に取り組み、強力な関数近似器を活用する。 我々は、カーネルとニューラルファンクション近似器を用いた、証明可能な効率の良い報酬なしRLアルゴリズムを確立した。
  論文  参考訳（メタデータ） (2021-10-19T07:26:33Z)
• Batch Exploration with Examples for Scalable Robotic Reinforcement Learning [63.552788688544254]
  BEE(Batch Exploration with Examples)は、重要状態の画像の少ない数の人間がガイドする状態空間の関連領域を探索する。 BEEは、シミュレーションと本物のフランカロボットの両方で、視覚ベースの操作に挑戦することができる。
  論文  参考訳（メタデータ） (2020-10-22T17:49:25Z)
• Evidential Sparsification of Multimodal Latent Spaces in Conditional Variational Autoencoders [63.46738617561255]
  訓練された条件付き変分オートエンコーダの離散潜時空間をスパース化する問題を考察する。 顕在的理論を用いて、特定の入力条件から直接証拠を受け取る潜在クラスを特定し、そうでないクラスをフィルタリングする。 画像生成や人間の行動予測などの多様なタスクの実験により,提案手法の有効性を実証した。
  論文  参考訳（メタデータ） (2020-10-19T01:27:21Z)

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。