論文の概要: LMPath: Language-Mediated Priors and Path Generation for Aerial Exploration
- arxiv url: http://arxiv.org/abs/2605.13782v1
- Date: Wed, 13 May 2026 17:02:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-14 23:30:28.195677
- Title: LMPath: Language-Mediated Priors and Path Generation for Aerial Exploration
- Title（参考訳）: LMPath: 先駆的な言語と空中探査のためのパス生成
- Authors: Jonathan A. Diller, Fernando Cladera, Camillo J. Taylor, Vijay Kumar,
- Abstract要約: 我々は,無人航空機(UAV)探索ミッションにおいて,言語経由の探索先を生成するパイプラインLMPathを提案する。
基本的なジオフェンスと関心の対象が与えられた後、LMPathは生成言語モデルを使用して環境のどの領域にそのオブジェクトを含むべきかを決定する。
その能力を実証するために、LMPathを使用して様々なUAVパスを生成し、大規模環境上で実際のUAVを使用して実行しました。
- 参考スコア（独自算出の注目度）: 48.457368728987994
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Traditional autonomous UAV search missions rely on geometric coverage patterns that ignore the semantic context of the target, leading to significant time waste in large-scale environments. In this paper we present LMPath, a pipeline for generating language-mediated exploration priors for Unmanned Aerial Vehicle (UAV) search missions that leverages semantics. Given a basic geofence and an object of interest prompt, LMPath uses generative language models to determine what regions of the environment should contain that object and a foundation vision model ran over satellite imagery to segment sub-regions that form the exploration prior. This prior can then be used to generate UAV paths with various objectives, such as minimizing the expected time to locate the object of interest, maximizing the probability that the object is found given a limited travel distance, or narrowing down the search space to sub-regions that are most likely to contain the object. To demonstrate it's capabilities, we used LMPath to generate various UAV paths and ran them using a real UAV over large-scale environments. We also ran simulations to demonstrate how paths generated using LMPath outperform traditional path planning approaches for search missions.
- Abstract（参考訳）: 従来の自律型UAV探索ミッションは、ターゲットの意味的コンテキストを無視した幾何学的カバレッジパターンに依存しており、大規模な環境においてかなりの時間を無駄にしている。
本稿では,無人航空機(UAV)探索ミッションにおいて,セマンティクスを活用する言語経由の探索先を生成するパイプラインLMPathを提案する。
ベーシックなジオフェンスと興味ある刺激のオブジェクトが与えられた後、LMPathは生成言語モデルを使用して、環境のどの領域にそのオブジェクトが含まれるべきかを判断し、基礎的なビジョンモデルが衛星画像上で実行され、以前の探索を形成するサブリージョンを分割する。
この前者は、対象物を見つけるために期待される時間を最小化したり、対象物が限られた移動距離で見つかる確率を最大化したり、対象物を含む可能性が最も高い部分領域まで探索空間を狭めるなど、様々な目的でUAV経路を生成するのに使うことができる。
その能力を実証するために、LMPathを使用して様々なUAVパスを生成し、大規模環境上で実際のUAVを使用して実行しました。
また,LMPathを用いて生成した経路が従来の経路計画手法よりも優れていることを示すシミュレーションも行った。
関連論文リスト
- From Reactive to Map-Based AI: Tuned Local LLMs for Semantic Zone Inference in Object-Goal Navigation [0.7734726150561086]
Object-Goal Navigation(ObjectNav)は、エージェントが未知の環境で対象のオブジェクトカテゴリを見つけてナビゲートする必要がある。
我々は,LLMに基づく意味推論とハイブリッドトポロジカルグリッドマッピングシステムを統合することにより,リアクティブAIから"マップベースAI"への移行を提案する。
本フレームワークでは,Llama-2モデルを用いて,言語化された対象観測から意味領域のカテゴリと目的存在確率を推定する。
論文 参考訳（メタデータ） (2026-03-09T08:27:28Z) - WildOS: Open-Vocabulary Object Search in the Wild [12.098091049832965]
この研究は、長距離でオープンなオブジェクト検索のための統一システムWildOSを提示する。
基礎モデルに基づく視覚モジュール ExploRFM を用いて、グラフのフロンティアノードをスコアリングする。
また、オープン語彙ターゲットクエリの粗い局所化のための粒子フィルタに基づく手法も導入する。
論文 参考訳（メタデータ） (2026-02-22T19:14:00Z) - DIV-Nav: Open-Vocabulary Spatial Relationships for Multi-Object Navigation [2.610405478993863]
DIV-Navは、空間的関係を持つ複雑な自由テキストクエリを効率的に処理するリアルタイムナビゲーションシステムである。
我々は,Boston Dynamics Spotロボット上でのMultiONベンチマークと実世界展開に関する広範な実験を通じて,システムを検証する。
論文 参考訳（メタデータ） (2025-10-18T14:22:32Z) - Towards Realistic UAV Vision-Language Navigation: Platform, Benchmark, and Methodology [38.2096731046639]
UAV視覚言語ナビゲーションにおける最近の取り組みは、主に地上ベースのVLN設定を採用する。
プラットフォーム,ベンチマーク,方法論という3つの観点からのソリューションを提案する。
論文 参考訳（メタデータ） (2024-10-09T17:29:01Z) - How To Not Train Your Dragon: Training-free Embodied Object Goal
Navigation with Semantic Frontiers [94.46825166907831]
Embodied AIにおけるオブジェクトゴールナビゲーション問題に対処するためのトレーニング不要のソリューションを提案する。
本手法は,古典的な視覚的同時ローカライゼーションとマッピング(V-SLAM)フレームワークに基づく,構造化されたシーン表現を構築する。
本手法は,言語先行情報とシーン統計に基づいてシーングラフのセマンティクスを伝搬し,幾何学的フロンティアに意味知識を導入する。
論文 参考訳（メタデータ） (2023-05-26T13:38:33Z) - Long-HOT: A Modular Hierarchical Approach for Long-Horizon Object
Transport [83.06265788137443]
我々は、時間的拡張ナビゲーションのための新しいオブジェクトトランスポートタスクと新しいモジュラーフレームワークを提案することで、長距離探査と航法を具現化する上で重要な課題に対処する。
私たちの最初の貢献は、深層探査と長期計画に焦点を当てた新しいLong-HOT環境の設計である。
重み付けされたフロンティアの助けを借りて探索を行うために,シーンのトポロジカルグラフを構築するモジュラー階層輸送ポリシー(HTP)を提案する。
論文 参考訳（メタデータ） (2022-10-28T05:30:49Z) - A Multi-UAV System for Exploration and Target Finding in Cluttered and
GPS-Denied Environments [68.31522961125589]
複雑なGPSを用いた複雑な環境において,UAVのチームが協調して目標を探索し,発見するための枠組みを提案する。
UAVのチームは自律的にナビゲートし、探索し、検出し、既知の地図で散らばった環境でターゲットを見つける。
その結果, 提案方式は, 時間的コスト, 調査対象地域の割合, 捜索・救助ミッションの成功率などの面で改善されていることがわかった。
論文 参考訳（メタデータ） (2021-07-19T12:54:04Z) - Deep Reinforcement Learning for Adaptive Exploration of Unknown
Environments [6.90777229452271]
私達はUAVのための1つのステップで調査および搾取間のトレードオフに適応的な調査のアプローチを開発します。
提案手法では, 環境マップを小型でトラクタブルな地図に分解するために, マップセグメンテーション手法を用いる。
その結果,本提案手法は,ランダムに生成された環境をナビゲートし,ベースラインと比較してAoIを短時間でカバーできることが示された。
論文 参考訳（メタデータ） (2021-05-04T16:29:44Z) - SOON: Scenario Oriented Object Navigation with Graph-based Exploration [102.74649829684617]
人間のように3Dエンボディ環境のどこからでも言語ガイドされたターゲットに向かって移動する能力は、インテリジェントロボットの「聖杯」目標の1つです。
ほとんどのビジュアルナビゲーションベンチマークは、ステップバイステップの詳細な命令セットに導かれ、固定された出発点から目標に向かって移動することに焦点を当てている。
このアプローチは、人間だけが物体とその周囲がどのように見えるかを説明する現実世界の問題から逸脱し、ロボットにどこからでも航行を依頼する。
論文 参考訳（メタデータ） (2021-03-31T15:01:04Z) - Object Goal Navigation using Goal-Oriented Semantic Exploration [98.14078233526476]
本研究は,未確認環境における対象カテゴリーのインスタンスにナビゲートするオブジェクトゴールナビゲーションの問題を研究する。
本稿では,表層的なセマンティックマップを構築し,効率的に環境を探索する「ゴール指向セマンティック探索」というモジュールシステムを提案する。
論文 参考訳（メタデータ） (2020-07-01T17:52:32Z)
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。