論文の概要: TARIC: Memory-Augmented Traversability-Aware Outdoor VLN under Interrupted Semantic Cues

• arxiv url: http://arxiv.org/abs/2605.31121v1
• Date: Fri, 29 May 2026 10:30:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-01 20:56:50.541195
• Title: TARIC: Memory-Augmented Traversability-Aware Outdoor VLN under Interrupted Semantic Cues
• Title（参考訳）: TARIC: メモリ拡張トレーサビリティ-断続的なセマンティッククイズ下での屋外VLN
• Authors: Tianle Zeng, Hanjing Ye, Jianwei Peng, Jingwen Yu, Hanxuan Chen, Hong Zhang,
• Abstract要約: 長期のオープンワールド環境における視覚言語ナビゲーション(VLN)は、セマンティックキューの中断によってしばしば中断される。 トラバーサビリティに一貫性のある実行時ガイダンスを維持することにより,セマンティックキューの中断に耐えられる,統一された屋外VLNフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 2.9521757117513823
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Outdoor vision-language navigation (VLN) in long-range, open-world environments is frequently disrupted by semantic-cue interruptions, where informative goal cues become sparse, occluded, or leave the field of view. Once such cues disappear, agents enter a cue-free phase and often degrade into backtracking, oscillatory headings, or aimless exploration. While memory-based methods attempt to bridge these gaps, they often fail under traversability-driven detours: the remembered cue direction may be infeasible, forcing detours that prolong cue-free phases and gradually render robot-centric cues stale and implicit histories blurred. This makes traversability a stability condition for maintaining goal-directed guidance, rather than merely a local safety concern. We propose a unified outdoor VLN framework that survives semantic-cue interruptions by maintaining traversability-consistent executable guidance throughout prolonged cue-free phases. Specifically, our method extracts semantic bearings from visibility-gated goal or exploration cues and grounds them into executable headings using a real-time near-field traversability profile, providing goal-consistent feasible guidance beyond reject-only safety filtering. To prevent guidance degradation during detours, we lift intermittent 2D evidence into a world-aligned 3D cue memory with an uncertainty-aware readout mechanism, ensuring guidance remains continuously reachable and stable as the robot moves. We evaluate the framework on quadrupedal and wheeled platforms over 600--1000 m routes. Our method improves simulation success rate by over 10 percentage points over the strongest baseline and achieves a real-world success rate of 40%, compared to 17.5% for the strongest baseline, with substantially higher robustness during prolonged cue-free intervals.
• Abstract（参考訳）: 長期のオープンワールド環境における屋外視覚言語ナビゲーション(VLN)は、しばしばセマンティックキューの中断によって中断される。 このような手がかりが消えると、エージェントはキューフリーのフェーズに入り、しばしばバックトラック、振動方向、または無目的の探査に分解される。 記憶されたキュー方向は不可能であり、キューのないフェーズを長くし、ロボット中心のキューステールと暗黙のヒストリーを徐々にぼかしてしまいます。 これにより、トラバーサビリティは単に局所的な安全上の懸念ではなく、目標指向のガイダンスを維持するための安定性条件となる。 長時間のキューフリーフェーズを通じて、トラバーサビリティと一貫性のある実行時ガイダンスを維持することにより、セマンティックキューの中断に耐えられる統一された屋外VLNフレームワークを提案する。 具体的には,視認性のある目標や探索手段からセマンティックベアリングを抽出し,リアルタイムな近接場トラバーサビリティプロファイルを用いて実行可能先頭に配置し,リジェクションのみの安全フィルタリング以上の目標に一貫性のあるガイダンスを提供する。 走行中の誘導劣化を防止するため、不確実性を認識した読み出し機構により、間欠的な2Dエビデンスをワールドアライメントされた3Dキューメモリに持ち上げ、ロボットの移動に伴って誘導が連続的に到達可能で安定した状態に維持する。 我々は,600-1000m以上の四面体および車輪付きプラットフォーム上でのフレームワークの評価を行った。 提案手法は,最強ベースライン上でのシミュレーション成功率を10ポイント以上向上し,最強ベースラインでは17.5%に対して実世界の成功率40%を達成した。

関連論文リスト

• Clipping Bottleneck: Stabilizing RLVR via Stochastic Recovery of Near-Boundary Signals [83.0127582612634]
  Near-boundary Rescue (NSR) は最小限のプラグ・アンド・プレイの修正であり、失った信号を回復するために、アウト・オブ・バウンドトークンを保持する。 NSRはトレーニングの安定性を大幅に改善し、DAPOやGSPOといった強力なベースライン上で一貫したゲインを提供する。
  論文  参考訳（メタデータ） (2026-05-21T16:45:31Z)
• RoboStream: Weaving Spatio-Temporal Reasoning with Memory in Vision-Language Models for Robotics [25.944338247511215]
  VLMベースのプランナーは、各ステップを観察とアクションのマッピングとして扱い、各決定点ごとに生のピクセルからシーンの幾何学を推論する。 SStream-Temporal Fusion Tokens (TF-Tokens) を提案する。 この設計により、プランナーは因果連鎖を追跡でき、追加の訓練や微調整をすることなく、隠蔽下でオブジェクトの永続性を維持することができる。
  論文  参考訳（メタデータ） (2026-03-13T12:34:26Z)
• OnFly: Onboard Zero-Shot Aerial Vision-Language Navigation toward Safety and Efficiency [9.769964979769204]
  ゼロショットAVLNのためのフルオンボードリアルタイムフレームワークOnFlyを提案する。 OnFlyは、低周波進行監視から高周波目標生成を分離する、共有パーセプション二重エージェントアーキテクチャを採用している。 シミュレーションでは、OnFlyは最強の最先端ベースラインと比較してタスク成功率を26.4%から67.8%に改善している。
  論文  参考訳（メタデータ） (2026-03-11T11:48:22Z)
• Omnidirectional Humanoid Locomotion on Stairs via Unsafe Stepping Penalty and Sparse LiDAR Elevation Mapping [6.267657984340167]
  本稿では,重度の安全でないステップペナルティを取り入れた単段階トレーニングフレームワークを提案する。 シミュレーションでは階段上の安全なステップ速度をほぼ100%達成し、実際の配置では極めて安全なステップ速度を維持している。 複雑な屋外地形における長距離歩行試験を継続し、信頼性の高いシモン・トゥ・リアル・トランスファーと長期安定性を実証する。
  論文  参考訳（メタデータ） (2026-03-09T03:48:32Z)
• BadCLIP++: Stealthy and Persistent Backdoors in Multimodal Contrastive Learning [73.46118996284888]
  マルチモーダル・コントラスト学習モデルに対するバックドア攻撃の研究は、ステルスネスと永続性という2つの大きな課題に直面している。 両課題に対処する統合フレームワークであるBadCLIP++を提案する。 ステルスネスのために,タスク関連領域付近に知覚不可能なパターンを埋め込むセマンティックフュージョンQRマイクロトリガーを導入する。 持続性については、半径縮小とセントロイドアライメントによるトリガ埋め込みを安定化する。
  論文  参考訳（メタデータ） (2026-02-19T08:31:16Z)
• NOVA: Navigation via Object-Centric Visual Autonomy for High-Speed Target Tracking in Unstructured GPS-Denied Environments [56.35569661650558]
  我々はNOVAというオブジェクト中心のフレームワークを導入し、ロバストな目標追跡と衝突認識ナビゲーションを可能にした。 グローバルマップを構築するのではなく、NOVAはターゲットの参照フレーム内での知覚、推定、制御を定式化する。 我々は,都市迷路や森林の小道,間欠的なGPS損失を伴う建物内の繰り返し遷移など,現実の挑戦的なシナリオにまたがってNOVAを検証する。
  論文  参考訳（メタデータ） (2025-06-23T14:28:30Z)
• Learning Rock Pushability on Rough Planetary Terrain [0.0]
  本研究では,移動ロボットに搭載されたロボットマニピュレータの操作機能を活用することにより,非構造環境における移動ナビゲーションの代替手法を提案する。 提案フレームワークは,外的および内的フィードバックを統合し,障害物の押し出し能力を評価し,回避ではなく再配置を容易にする。 ナビゲーション手法の目的は,月面や火星面などの自律的なインフラ開発が不可欠である環境において,複数のエージェントが長期にわたって使用するルートの効率を向上させることである。
  論文  参考訳（メタデータ） (2025-05-14T22:23:30Z)
• MotionTrack: Learning Robust Short-term and Long-term Motions for Multi-Object Tracking [56.92165669843006]
  本研究では,短時間から長期間の軌跡を関連づける統合フレームワークで,堅牢な短期・長期動作を学習するMotionTrackを提案する。 密集した群集に対して,各ターゲットの複雑な動きを推定できる,短時間の軌跡から相互作用認識動作を学習するための新しい対話モジュールを設計する。 極端なオクルージョンのために、ターゲットの履歴軌跡から信頼できる長期動作を学習するための新しいRefind Moduleを構築し、中断された軌跡とそれに対応する検出とを関連付けることができる。
  論文  参考訳（メタデータ） (2023-03-18T12:38:33Z)
• VAE-Loco: Versatile Quadruped Locomotion by Learning a Disentangled Gait Representation [78.92147339883137]
  本研究では,特定の歩行を構成する主要姿勢位相を捕捉する潜在空間を学習することにより,制御器のロバスト性を高めることが重要であることを示す。 本研究では,ドライブ信号マップの特定の特性が,歩幅,歩幅,立位などの歩行パラメータに直接関係していることを示す。 生成モデルを使用することで、障害の検出と緩和が容易になり、汎用的で堅牢な計画フレームワークを提供する。
  論文  参考訳（メタデータ） (2022-05-02T19:49:53Z)

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。