論文の概要: SAFER-Nav: Enhancing Safety for Visual Robot Navigation via Segmentation-Aware Fine-Tuning

• arxiv url: http://arxiv.org/abs/2606.11636v1
• Date: Wed, 10 Jun 2026 03:56:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-18 14:48:48.953414
• Title: SAFER-Nav: Enhancing Safety for Visual Robot Navigation via Segmentation-Aware Fine-Tuning
• Title（参考訳）: SAFER-Nav:セグメンテーション対応ファインチューニングによる視覚ロボットナビゲーションの安全性向上
• Authors: Geonyeong Ko, Giung Lee, Changjoo Nam,
• Abstract要約: 視覚に基づくナビゲーションモデルは、RGB観測だけで実行可能な軌道を生成する。 微調整により構造を直接ポリシーに組み込むナビゲーションモデルを提案する。 本手法は,目標達成性能を維持しつつ,ViNT,NoMaD,およびCARE拡張型に対する衝突頻度を低減させる。
• 参考スコア（独自算出の注目度）: 1.9269719158344503
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Vision-based navigation models, particularly foundation models, generate viable trajectories from RGB observations alone. However, even state-of-the-art transformer- and diffusion-based policies struggle to generalize in unfamiliar deployment environments containing unseen obstacles or shifted conditions. The resulting trajectories often remain goal-directed but unsafe. Existing efforts improve safety through external trajectory correction or internal geometric priors, yet the resulting policies are not trained to explicitly represent obstacle boundaries or traversable free-space structure. To address this, we propose a navigation model that incorporates these structures directly into the policy via fine-tuning and is designed to be compatible with diverse RGB-based backbones. Across multiple robot platforms, indoor environments, and static and dynamic obstacle scenarios, our method reduces collision frequency relative to ViNT, NoMaD, and their CARE-augmented variants while maintaining goal-reaching performance.
• Abstract（参考訳）: 視覚に基づくナビゲーションモデル、特に基礎モデルは、RGB観測のみから実行可能な軌道を生成する。 しかし、最先端のトランスフォーマーや拡散ベースのポリシーでさえ、目に見えない障害物やシフトした条件を含む馴染みの無い配置環境において、一般化に苦慮している。 結果として生じる軌道はしばしばゴール指向であるが安全ではない。 既存の取り組みは、外部軌跡補正や内部幾何学的先行を通じて安全性を向上させるが、結果として得られる方針は、障害物境界やトラバース可能な自由空間構造を明示的に表すように訓練されていない。 そこで我々は,これらの構造を細調整により直接ポリシーに組み込むナビゲーションモデルを提案し,多様なRGBベースのバックボーンと互換性を持つように設計されている。 複数のロボットプラットフォーム、屋内環境、静的および動的障害物シナリオにおいて、本手法は目標達成性能を維持しつつ、ViNT、NoMaD、およびそれらのCARE拡張された変種に対する衝突頻度を低減させる。

関連論文リスト

• Do Models Share Safety Representations? Cross-Model Steering for Safe Visual Generation [52.122731171289665]
  クロスモデル安全ステアリングのための最初のフレームワークを紹介する。 私たちのパイプラインは、ターゲット側の安全でないデータにアクセスしません。 多様なソース・ターゲット・モデル・ペア間のテキスト・ツー・イメージとテキスト・ツー・ビデオ生成におけるアプローチを評価する。
  論文  参考訳（メタデータ） (2026-06-03T18:00:04Z)
• SaferPath: Hierarchical Visual Navigation with Learned Guidance and Safety-Constrained Control [9.692780954657229]
  ビジュアルナビゲーションはモバイルロボットの中核機能であるが、エンド・ツー・エンドの学習ベースの手法は、目に見えない、散らかった、狭い環境での一般化と安全性に苦しむことが多い。 本稿では,既存のエンド・ツー・エンドモデルから学習したガイダンスを活用し,安全性に制約のある最適化制御モジュールを通じて改良した階層型ビジュアルナビゲーションフレームワークであるSaferPathを提案する。
  論文  参考訳（メタデータ） (2026-03-02T14:17:37Z)
• 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)
• CARE: Enhancing Safety of Visual Navigation through Collision Avoidance via Repulsive Estimation [6.216878556851609]
  本稿では,学習に基づく視覚ナビゲーション手法の堅牢性を向上させるため,CARE(Collision Avoidance via Repulsive Estimation)を提案する。 CAREは、ローカルなロボット軌道を生成するRGBベースのナビゲーションモデルにシームレスに統合することができる。 我々は、様々なロボットプラットフォームにまたがる最先端のビジュアルナビゲーションモデルと統合することで、CAREを評価する。
  論文  参考訳（メタデータ） (2025-06-04T11:02:15Z)
• Designing Control Barrier Function via Probabilistic Enumeration for Safe Reinforcement Learning Navigation [55.02966123945644]
  本稿では,ニューラルネットワーク検証技術を利用して制御障壁関数(CBF)とポリシー修正機構の設計を行う階層型制御フレームワークを提案する。 提案手法は,安全なCBFベースの制御層を構築するために使用される,安全でない操作領域を特定するための確率的列挙に依存する。 これらの実験は、効率的なナビゲーション動作を維持しながら、安全でない動作を補正する提案手法の能力を実証するものである。
  論文  参考訳（メタデータ） (2025-04-30T13:47:25Z)
• TAS: A Transit-Aware Strategy for Embodied Navigation with Non-Stationary Targets [55.09248760290918]
  非定常目標を持つ動的シナリオにおけるナビゲーションのための新しいアルゴリズムを提案する。 我々の新しいTAS(Transit-Aware Strategy)は、具体化されたナビゲーションポリシーをオブジェクトパス情報で強化する。 TASは、ターゲットルートとルートを同期させるエージェントを報酬することで、非定常環境での性能を改善する。
  論文  参考訳（メタデータ） (2024-03-14T22:33:22Z)
• Risk-Averse MPC via Visual-Inertial Input and Recurrent Networks for Online Collision Avoidance [95.86944752753564]
  本稿では,モデル予測制御(MPC)の定式化を拡張したオンライン経路計画アーキテクチャを提案する。 我々のアルゴリズムは、状態推定の共分散を推論するリカレントニューラルネットワーク(RNN)とオブジェクト検出パイプラインを組み合わせる。 本手法のロバスト性は, 複雑な四足歩行ロボットの力学で検証され, ほとんどのロボットプラットフォームに適用可能である。
  論文  参考訳（メタデータ） (2020-07-28T07:34:30Z)

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。