論文の概要: ConsistNav: Closing the Action Consistency Gap in Zero-Shot Object Navigation with Semantic Executive Control

• arxiv url: http://arxiv.org/abs/2605.09869v2
• Date: Fri, 15 May 2026 04:14:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-18 17:44:16.230528
• Title: ConsistNav: Closing the Action Consistency Gap in Zero-Shot Object Navigation with Semantic Executive Control
• Title（参考訳）: ConsistNav: セマンティックエグゼクティブ制御によるゼロショットオブジェクトナビゲーションにおけるアクション一貫性ギャップの閉鎖
• Authors: Haosen Wang, Zhenyang Li, Yinqiang Zhang, Zongqi He, Lutao Jiang, Kai Li, Yizhou Zhao, Liaoyuan Fan, Wenjian Hou, Tingbang Liang, Yibin Wen, Defeng Gu,
• Abstract要約: ConsistNavは、トレーニング不要のゼロショットObjectNavフレームワークで、3つの調整済みモジュールからなるセマンティックエグゼクティブを中心に構築されている。 我々はHM3DとMP3Dの実験を行い、ConsistNavは結果を達成し、SRを11.4%改善し、SPLを7.9%改善した。
• 参考スコア（独自算出の注目度）: 20.155796585668607
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Zero-shot object navigation has advanced rapidly with open-vocabulary detectors, image--text models, and language-guided exploration. However, even after current methods detect a plausible target hypothesis, the agent may still oscillate between exploration and pursuit, or abandon the object near success. We identify this failure mode as an action consistency gap: semantic evidence is repeatedly reinterpreted at each step without persistent commitment across the episode. We introduce ConsistNav, a training-free zero-shot ObjectNav framework built around a semantic executive composed of three coordinated modules: Finite-State Executive Controller stages target pursuit through guarded semantic phases; Persistent Candidate Memory accumulates cross-frame target evidence into stable object hypotheses; and Stability-Aware Action Control suppresses rotational stagnation, ineffective pursuit, and unverified stopping. This design changes neither the detector nor the low-level planner; instead, it controls when semantic evidence should influence navigation and when it should be suppressed or revisited. We conduct extensive experiments on HM3D and MP3D, where ConsistNav achieves state-of-the-art results among compared zero-shot ObjectNav methods and improves SR by 11.4% and SPL by 7.9% over the controlled baseline on MP3D. Ablation studies and real-world deployment experiments further demonstrate the effectiveness and robustness of the proposed executive mechanism.
• Abstract（参考訳）: ゼロショットオブジェクトナビゲーションは、オープンボキャブラリ検出器、画像テキストモデル、言語誘導探索によって急速に進歩している。 しかし、現在の方法が妥当なターゲット仮説を検知した後でも、エージェントは探索と追跡の間を振動したり、成功に近い物体を放棄したりすることができる。 セマンティックエビデンスを各ステップで繰り返し解釈し、エピソード全体で持続的にコミットする。 ConsistNavは3つの協調モジュールで構成されるセマンティックエグゼクティブを中心に構築されたトレーニングフリーのゼロショットObjectNavフレームワークである。有限状態のエグゼクティブコントローラは、保護されたセマンティックフェーズを通じてターゲット追跡を行う。 この設計は検出器も低レベルプランナーも変更せず、セマンティックなエビデンスがナビゲーションに影響を及ぼし、いつそれを抑制または再考すべきかを制御する。 我々はHM3DとMP3Dの広範な実験を行い、ConsistNavは比較したゼロショットObjectNav法で最先端の結果を達成し、SRを11.4%改善し、SPLを7.9%改善した。 アブレーション研究と実世界の展開実験は、提案された実行機構の有効性と堅牢性をさらに証明している。

関連論文リスト

• ReMemNav: A Rethinking and Memory-Augmented Framework for Zero-Shot Object Navigation [35.416693138335354]
  ゼロショットオブジェクトナビゲーションでは、エージェントは未知のターゲットオブジェクトを未知の環境で見つける必要がある。 視覚言語モデルの最近の進歩は、このタスクに有望な常識推論機能を提供する。 本稿では,パノラマ的セマンティック先行とエピソード記憶をシームレスに統合するReMemNavという新しい階層型ナビゲーションフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-25T09:07:32Z)
• Your Vision-Language-Action Model Already Has Attention Heads For Path Deviation Detection [14.088116748512428]
  VLA(Vision-Language-Action)モデルは、ナビゲーションタスクにおけるセマンティックアクションを予測する強力な可能性を示している。 それらは基本的に、軌跡のずれにつながる視覚的な幻覚によって妨げられている。 凍結VLAモデル内の注意点数を監視することで,余分な計算オーバーヘッドを伴わずに経路偏差を正確に検出できることを示す。
  論文  参考訳（メタデータ） (2026-03-14T06:26:11Z)
• DSCD-Nav: Dual-Stance Cooperative Debate for Object Navigation [63.439158093945956]
  本研究では,姿勢に基づくクロスチェックとエビデンス対応仲裁に代えて,Dual-Stance Cooperative Debate Navigation (DSCD-Nav)を提案する。 HM3Dv1、HM3Dv2、MP3Dの実験では、探索冗長性を低減しつつ、成功と経路効率が一貫した改善を示した。
  論文  参考訳（メタデータ） (2026-01-29T08:47:55Z)
• BiTAA: A Bi-Task Adversarial Attack for Object Detection and Depth Estimation via 3D Gaussian Splatting [14.918777539580978]
  本稿では,3次元ガウス平板上に構築したビタスク対逆攻撃BiTAAについて述べる。 具体的には、フルイメージとパッチ設定の両方をサポートするデュアルモデルアタックフレームワークを導入する。 また,クロスタスク転送メトリクスと実世界評価を併用した統合評価プロトコルを提案する。
  論文  参考訳（メタデータ） (2025-09-24T06:27:15Z)
• HUNT: High-Speed UAV Navigation and Tracking in Unstructured Environments via Instantaneous Relative Frames [50.83645076723809]
  HUNT (High-speed UAV Navigation and Tracking) は、1つの相対的な定式化の中で統合、取得、追跡を行うリアルタイムフレームワークである。 密林、コンテナ化合物、および車両やマネキンによる捜索救助活動の試行は、グローバルな方法が失敗した場合の堅牢な自律性を示している。
  論文  参考訳（メタデータ） (2025-09-23T18:07:10Z)
• Dexplore: Scalable Neural Control for Dexterous Manipulation from Reference-Scoped Exploration [58.4036440289082]
  ハンドオブジェクトモーションキャプチャ(MoCap)は、大規模でコンタクトに富んだデモと、器用なロボットスコープの約束を提供する。 Dexploreは、リポジトリとトラッキングを実行し、MoCapから直接ロボット制御ポリシーを学習する、統一された単一ループ最適化である。
  論文  参考訳（メタデータ） (2025-09-11T17:59:07Z)
• 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)
• Seamless Detection: Unifying Salient Object Detection and Camouflaged Object Detection [73.85890512959861]
  本稿では,SOD(Salient Object Detection)とCOD(Camouflaged Object Detection)を統合化するためのタスク非依存フレームワークを提案する。 我々は、間隔層と大域的コンテキストを含む単純で効果的なコンテキストデコーダを設計し、67fpsの推論速度を実現する。 公開SODデータセットとCODデータセットの実験は、教師なし設定と教師なし設定の両方において、提案したフレームワークの優位性を実証している。
  論文  参考訳（メタデータ） (2024-12-22T03:25:43Z)

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。