論文の概要: EvoMemNav: Efficient Self-Evolving Fine-Grained Memory for Zero-Shot Embodied Navigation

• arxiv url: http://arxiv.org/abs/2606.03509v1
• Date: Tue, 02 Jun 2026 11:27:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-03 22:00:04.968058
• Title: EvoMemNav: Efficient Self-Evolving Fine-Grained Memory for Zero-Shot Embodied Navigation
• Title（参考訳）: EvoMemNav: ゼロショットエボダイドナビゲーションのための効率的な自己進化型微細粒度メモリ
• Authors: Zuhao Ge, Xiaosong Jia, Chao Wu, Yuchen Zhou, Zuxuan Wu, Yu-Gang Jiang,
• Abstract要約: EvoMemNavは、ゼロショットエンボディナビゲーションのための効率的で自己進化的できめ細かいメモリフレームワークである。 VSMGraphは、セマンティックキューとトポロジ的関係を持つビューをルームビューオブジェクト階層に整理する。 GOAT-BenchとHM3Dのオブジェクト、テキスト記述、画像ゴールのモダリティによる実験は、SR/SPLにおいて一貫した利得を示している。
• 参考スコア（独自算出の注目度）: 81.54723508469617
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Building memory is essential for long-horizon planning in zero-shot embodied navigation. Detector-centric scene graphs often compress observations into sparse nodes, discarding fine-grained visual evidence and accumulating noise, while 3D reconstruction-based methods remain computationally prohibitive. We present EvoMemNav, an efficient, self-evolving, fine-grained memory framework for zero-shot embodied navigation. EvoMemNav constructs a Visual-Semantic Memory Graph (VSMGraph) that keeps raw views as first-class memory and organizes them with lightweight semantic cues and topological relations into a room-view-object hierarchy, preserving fine-grained details for disambiguation and Stop verification. To scale to growing memory, we introduce a budgeted coarse-to-fine policy: a coarse stage compresses the search space into promising regions, and a fine stage invokes a VLM only for targeted verification and decision. Beyond static memories, EvoMemNav performs reflection-driven write-back after each subtask, updating graph-attached priors that encode accumulated environmental knowledge to refine future decisions without retraining. Experiments on GOAT-Bench and HM3D across object, text-description, and image-goal modalities show consistent gains in SR/SPL, with better multi-instance disambiguation, fewer premature stops, and stronger zero-shot generalization.
• Abstract（参考訳）: ゼロショット実施ナビゲーションにおける長期計画には,メモリ構築が不可欠である。 検出器中心のシーングラフは、しばしば観察をスパースノードに圧縮し、きめ細かい視覚的証拠を捨て、ノイズを蓄積する。 EvoMemNavは、ゼロショットエンボディナビゲーションのための効率的で自己進化的できめ細かなメモリフレームワークである。 EvoMemNavはビジュアル・セマンティック・メモリグラフ(VSMGraph)を構築し、生のビューを第一級のメモリとして保持し、軽量なセマンティックキューとトポロジ的関係をルームビューオブジェクト階層に整理し、曖昧さの細かい詳細を保存し、検証を停止する。 記憶の増大に対処するため,粗いステージは検索空間を将来性のある領域に圧縮し,細かいステージは目標の検証と決定のためにのみVLMを起動する。 静的メモリ以外にも、EvoMemNavは各サブタスクの後にリフレクション駆動の書き込みを実行する。 GOAT-BenchとHM3Dのオブジェクト、テキスト記述、画像ゴールのモダリティによる実験では、SR/SPLの一貫性が向上し、マルチインスタンスの曖昧さが向上し、未熟な停止が減り、ゼロショットの一般化が強まった。

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)
• Memory Over Maps: 3D Object Localization Without Reconstruction [44.29345996003297]
  ターゲットローカライゼーションは、ナビゲーションや操作といった具体的タスクの前提条件である。 視覚言語モデルの最近の進歩は、リッチなセマンティック推論を2次元観察で直接実行できることを示唆している。 シーンのグローバルな3次元表現を構築することなく,RGB-Dのみを軽量なヴィジュアルメモリとして格納するマップフリーパイプラインを提案する。
  論文  参考訳（メタデータ） (2026-03-20T21:57:51Z)
• From Verbatim to Gist: Distilling Pyramidal Multimodal Memory via Semantic Information Bottleneck for Long-Horizon Video Agents [78.30630000529133]
  本稿ではファジィトレース理論に基づくピラミッド型マルチモーダルメモリアーキテクチャMM-Memを提案する。 MM-Memメモリは階層的に感覚バッファ、エピソードストリーム、シンボリックに構造する。 実験により、MM-Memがオフラインタスクとストリーミングタスクの両方で有効であることが確認された。
  論文  参考訳（メタデータ） (2026-03-02T05:12:45Z)
• ChangingGrounding: 3D Visual Grounding in Changing Scenes [92.00984845186679]
  現実世界のロボットは自然言語からオブジェクトをローカライズするが、周囲のシーンは変化し続けている。 既存の3Dビジュアルグラウンドティング(3DVG)手法のほとんどは、再構築された最新の点雲を前提としている。 エージェントが過去の観測をいかにうまく活用できるかを明示的に測定する最初のベンチマークであるChangeingGroundingを紹介します。
  論文  参考訳（メタデータ） (2025-10-16T17:59:16Z)
• Mem4Nav: Boosting Vision-and-Language Navigation in Urban Environments with a Hierarchical Spatial-Cognition Long-Short Memory System [9.687946545604492]
  大規模都市環境における視覚・言語ナビゲーション (VLN) は、複雑な場面で言語指導を行うための具体的エージェントを必要とする。 階層型空間認識長短メモリシステムである textbfMem4Nav を導入し,任意のVLNバックボーンを拡張できる。
  論文  参考訳（メタデータ） (2025-06-24T09:00:43Z)
• SG-Nav: Online 3D Scene Graph Prompting for LLM-based Zero-shot Object Navigation [83.4599149936183]
  既存のゼロショットオブジェクトナビゲーション手法は、空間的に閉じたオブジェクトのテキストでLCMをプロンプトする。 本稿では,3次元シーングラフを用いて観察されたシーンを表現することを提案する。 我々は,MP3D,HM3D,RoboTHOR環境において,SG-Navが従来のゼロショット法を10%以上のSRで上回る大規模な実験を行った。
  論文  参考訳（メタデータ） (2024-10-10T17:57:19Z)
• MemoNav: Working Memory Model for Visual Navigation [47.011190883888446]
  イメージゴールナビゲーションは、不慣れな環境でイメージによって示されるゴールにエージェントがナビゲートする必要がある、困難なタスクである。 様々な場面の記憶を利用する既存の手法は、すべての歴史的観察を意思決定に用いているため、非効率な探索に苦しむ。 動作メモリにインスパイアされたパイプラインを用いてナビゲーション性能を向上させる,イメージゴールナビゲーションのための新しいメモリモデルであるMemoNavを提案する。
  論文  参考訳（メタデータ） (2024-02-29T13:45:13Z)
• Structured Scene Memory for Vision-Language Navigation [155.63025602722712]
  視覚言語ナビゲーション(VLN)のための重要なアーキテクチャを提案する。 ナビゲーション中に知覚を正確に記憶できるほど区画化されている。 また、環境内の視覚的および幾何学的な手がかりを捉え、取り除く、構造化されたシーン表現としても機能する。
  論文  参考訳（メタデータ） (2021-03-05T03:41:00Z)

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。