論文の概要: EvoNav: Evolutionary Reward Function Design for Robot Navigation with Large Language Models

• arxiv url: http://arxiv.org/abs/2605.11859v1
• Date: Tue, 12 May 2026 09:43:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-13 21:48:56.763637
• Title: EvoNav: Evolutionary Reward Function Design for Robot Navigation with Large Language Models
• Title（参考訳）: EvoNav:大規模言語モデルを用いたロボットナビゲーションのための進化的リワード関数設計
• Abstract要約: EvoNavは、大型言語モデル(LLM)によるロボットナビゲーション報酬関数の設計を自動化する進化的フレームワークである。 実験結果から,EvoNavは手作業で設計したRL報酬や最先端の報酬設計手法よりも効果的なナビゲーションポリシーを生成することがわかった。
• 参考スコア（独自算出の注目度）: 29.561015132869173
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Robot navigation is a crucial task with applications to social robots in dynamic human environments. While Reinforcement Learning (RL) has shown great promise for this problem, the policy quality is highly sensitive to the specification of reward functions. Hand-crafted rewards require substantial domain expertise and embed inductive biases that are difficult to audit or adapt, limiting their effectiveness and leading to suboptimal performance. In this paper, we propose EvoNav, an evolutionary framework that automates the design of robot navigation reward functions via large language models (LLMs). To overcome prohibitively costly policy training, EvoNav evaluates each candidate proposal from the LLM via a progressive three-stage warm-up-boost procedure. EvoNav advances from analytical proxies with low-cost surrogates, such as small datasets and analytic rules, to lightweight rollouts and, finally, to full policy training, enabling computationally efficient exploration under effective feedback. Experiment results show that EvoNav produces more effective navigation policies than manually designed RL rewards and state-of-the-art reward design methods.
• Abstract（参考訳）: ロボットナビゲーションは、動的な人間環境における社会ロボットへの応用にとって重要なタスクである。 強化学習(Reinforcement Learning, RL)はこの問題に対して大きな期待を示しているが、政策品質は報酬関数の仕様に非常に敏感である。 手作りの報酬は、かなりのドメインの専門知識を必要とし、監査や適応が難しい帰納的バイアスを埋め込んで、その効果を制限し、最適以下のパフォーマンスをもたらす。 本稿では,大規模言語モデル(LLM)を用いたロボットナビゲーション報酬関数の設計を自動化する進化的フレームワークであるEvoNavを提案する。 費用のかかる政策トレーニングを克服するために、EvoNavは、進歩的な3段階ウォームアップブースト手順を通じて、LSMからの候補提案を評価する。 EvoNavは、小さなデータセットや分析規則のような低コストのサロゲートを持つ分析プロキシから軽量なロールアウト、そして最後に完全なポリシートレーニングへと進化し、効果的なフィードバックの下で計算効率の良い探索を可能にしている。 実験結果から,EvoNavは手作業で設計したRL報酬や最先端の報酬設計手法よりも効果的なナビゲーションポリシーを生成することがわかった。

関連論文リスト

• Towards Socially Compliant Navigation in Deep Reinforcement Learning via Proxemics-Based Reward Modeling [0.0]
  DRLソーシャルナビゲーションのための新しいプロキシベースの報酬を導入する。 ナビゲーション効率を維持しつつ、密集した解釈可能な社会学習信号を提供する。 その結果,提案した報酬はシミュレーションにおける社会的指標を継続的に改善することがわかった。
  論文  参考訳（メタデータ） (2026-08-13T07:59:23Z)
• SPLC: Social Preference Learning for Crowd Robot Navigation [14.995732014749736]
  本稿では,より詳細な報酬設計の必要性を排除するために,クラウドロボットナビゲーションのためのソーシャル・プライス・ラーニング(SPLC)アルゴリズムを提案する。 その中心となるイノベーションは、嗜好データを自動的に生成する社会的嗜好フィードバックメカニズムの導入にある。 SPLCとオフライン強化学習法を統合する実験は、最先端のベースラインに対して一貫した改善を示す。
  論文  参考訳（メタデータ） (2026-07-02T09:21:17Z)
• ActiveVLN: Towards Active Exploration via Multi-Turn RL in Vision-and-Language Navigation [57.399685080574756]
  既存のMLLMベースのVLNメソッドは模倣学習(IL)に依存しており、ポストトレーニングにDAggerを使用することが多い。 マルチターンRLによるアクティブな探索を可能にするVLNフレームワークであるActiveVLNを提案する。 実験の結果,ActiveVLN は DAgger ベースと RL ベースのポストトレーニング手法と比較して,IL ベースラインよりも最大の性能向上を実現していることがわかった。
  論文  参考訳（メタデータ） (2025-09-16T03:31:46Z)
• STRIDE: Automating Reward Design, Deep Reinforcement Learning Training and Feedback Optimization in Humanoid Robotics Locomotion [33.91518509518502]
  我々は,人型ロボットの移動作業に対する報酬設計,DRLトレーニング,フィードバック最適化を自動化するために,エージェント工学に基づく新しいフレームワークSTRIDEを紹介する。 エージェントエンジニアリングの構造化された原則と、コード記述、ゼロショット生成、コンテキスト内最適化のための大きな言語モデル(LLM)を組み合わせることで、STRIDEはタスク固有のプロンプトやテンプレートに頼ることなく報酬関数を生成し、評価し、反復的に洗練する。 ヒューマノイドロボットの形態を特徴とする多様な環境において、STRIDEは最先端の報酬設計フレームワークであるEUREKAよりも優れており、ラウンド250%の平均的な改善を実現している。
  論文  参考訳（メタデータ） (2025-02-07T06:37:05Z)
• Affordance-Guided Reinforcement Learning via Visual Prompting [51.361977466993345]
  Keypoint-based Affordance Guidance for Improvements (KAGI) は、視覚言語モデル(VLM)によって形成される報酬を自律的なRLに活用する手法である。 自然言語記述によって指定された多様な実世界の操作タスクにおいて、KAGIは自律的なRLのサンプル効率を改善し、30Kのオンライン微調整ステップでタスク完了を成功させる。
  論文  参考訳（メタデータ） (2024-07-14T21:41:29Z)
• Aquatic Navigation: A Challenging Benchmark for Deep Reinforcement Learning [53.3760591018817]
  ゲームエンジンとDeep Reinforcement Learningの統合の最近の進歩を利用して,水上ナビゲーションのための新しいベンチマーク環境を提案する。 具体的には、最も広く受け入れられているアルゴリズムの一つであるPPOに着目し、先進的なトレーニング手法を提案する。 実験により,これらの成分をうまく組み合わせることで,有望な結果が得られることが示された。
  論文  参考訳（メタデータ） (2024-05-30T23:20:23Z)
• Deep Reinforcement Learning with Enhanced PPO for Safe Mobile Robot Navigation [0.6554326244334868]
  本研究では,複雑な環境下での自律走行のための移動ロボットの訓練における深層強化学習の適用について検討する。 このロボットは、LiDARセンサデータとディープニューラルネットワークを用いて、障害物を回避しつつ、特定の目標に向かって誘導する制御信号を生成する。
  論文  参考訳（メタデータ） (2024-05-25T15:08:36Z)
• 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)
• Confidence-Controlled Exploration: Efficient Sparse-Reward Policy Learning for Robot Navigation [72.24964965882783]
  強化学習(RL)はロボットナビゲーションにおいて有望なアプローチであり、ロボットは試行錯誤を通じて学習することができる。 現実世界のロボットタスクは、しばしばまばらな報酬に悩まされ、非効率な探索と準最適政策に繋がる。 本稿では,RLに基づくロボットナビゲーションにおいて,報酬関数を変更せずにサンプル効率を向上させる新しい手法であるConfidence-Controlled Exploration (CCE)を紹介する。
  論文  参考訳（メタデータ） (2023-06-09T18:45:15Z)
• Offline Reinforcement Learning for Visual Navigation [66.88830049694457]
  ReViNDは、ロボットナビゲーションのための最初のオフラインRLシステムで、これまで収集されたデータを利用して、現実世界でユーザーが指定した報酬関数を最適化する。 ReViNDは、このデータセットからのオフライントレーニングのみを使用して、遠方の目標にナビゲートできることを示し、ユーザ指定の報酬関数に基づいて、質的に異なる振る舞いを示す。
  論文  参考訳（メタデータ） (2022-12-16T02:23:50Z)
• Human-Aware Robot Navigation via Reinforcement Learning with Hindsight Experience Replay and Curriculum Learning [28.045441768064215]
  強化学習アプローチは、シーケンシャルな意思決定問題を解決する優れた能力を示している。 本研究では,実演データを使わずにRLエージェントを訓練する作業を検討する。 密集層における最適なナビゲーションポリシーを効率的に学習するために,後視体験リプレイ(HER)とカリキュラム学習(CL)技術をRLに組み込むことを提案する。
  論文  参考訳（メタデータ） (2021-10-09T13:18:11Z)

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。