論文の概要: NavWAM: A Navigation World Action Model for Goal-Conditioned Visual Navigation
- arxiv url: http://arxiv.org/abs/2606.13494v1
- Date: Thu, 11 Jun 2026 15:44:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-12 15:55:27.890619
- Title: NavWAM: A Navigation World Action Model for Goal-Conditioned Visual Navigation
- Title（参考訳）: NavWAM:ゴールコンディション型ビジュアルナビゲーションのためのナビゲーションワールドアクションモデル
- Abstract要約: ナビゲーションワールドモデルはこのような視覚的な展望を提供するが、予測された未来をクローズドループ制御に変換するために外部プランナーを必要とする予測モジュールは残る。
ナビゲーションワールドモデル予測を実行可能なアクションに変換する拡散変換器ポリシーであるナビゲーションワールドアクションモデル(NavWAM)を提案する。
我々は,シミュレーション事前学習と実ロボット適応によりNavWAMを構築し,計画に基づく世界モデルに対するイメージゴールナビゲーションと代表的ダイレクトナビゲーションポリシーについて評価する。
- 参考スコア（独自算出の注目度）: 41.592946383221566
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Goal-conditioned visual navigation requires a robot to act under partial observability by anticipating how its motion will change the future egocentric view and whether that change brings it closer to the goal. Navigation world models provide such visual foresight, but they remain prediction modules that require an external planner to convert predicted futures into closed-loop control. We propose Navigation World Action Model (NavWAM), a diffusion-transformer policy that turns navigation world-model prediction into executable action by representing future observations, goal-progress values, and action chunks in a shared latent sequence. By learning future prediction jointly with the action and value targets that determine closed-loop behavior, NavWAM makes visual foresight directly usable for robot control. We build NavWAM through simulation pretraining and real-robot adaptation, and evaluate it on image-goal navigation against planning-based world models and a representative direct navigation policy. Across offline benchmarks and closed-loop real-robot deployment, NavWAM improves over planning-based world-model baselines in our evaluations while using the default policy mode without CEM-style action search. Project page: https://dachii-azm.github.io/navwam/
- Abstract（参考訳）: ゴールコンディショニングされた視覚ナビゲーションは、その動きが将来の自我中心の視点をどのように変え、その変化が目標に近づくかどうかを予測することによって、部分的な可観測性の下で動作することを要求する。
ナビゲーションの世界モデルはこのような視覚的な展望を提供するが、予測された未来をクローズドループ制御に変換するために外部プランナーを必要とする予測モジュールは残る。
本研究では,ナビゲーション・ワールド・アクション・モデル (Navigation World Action Model, NavWAM) を提案する。
NavWAMは、閉ループ動作を決定するアクションと値のターゲットを併用して将来の予測を学習することにより、ロボット制御に視覚的フォレストを直接使用できるようにする。
我々は,シミュレーション事前学習と実ロボット適応によりNavWAMを構築し,計画に基づく世界モデルに対するイメージゴールナビゲーションと代表的ダイレクトナビゲーションポリシーについて評価する。
オフラインベンチマークとクローズドループのリアルタイムデプロイメントを通じて、NavWAMは、CEMスタイルのアクション検索を使わずにデフォルトのポリシーモードを使用しながら、我々の評価において計画ベースのワールドモデルベースラインを改善する。
プロジェクトページ:https://dachii-azm.github.io/navwam/
関連論文リスト
- GLAM: Training a latent world model over global spatiotemporal memory for active exploration and navigation [2.887370275446209]
我々は、グローバルメモリ上でトレーニングされたゴール条件付き潜在世界モデルGLAMと、その周辺に構築された完全なナビゲーションシステムGLAM NAVを紹介する。
このモデルはJEPAのような潜伏予測パラダイムに従い、RGB再構成ではなくマップレベルの潜伏トークンを直接操作し、事前訓練されたウェイポイントエンコーダデコーダを使用してGLAM NAV内のナビゲーション計画の監視と復号を行う。
論文 参考訳（メタデータ） (2026-09-13T14:47:33Z) - LightNav-0: Eliciting VLM Spatial Intelligence for Generalist Embodied Navigation [52.91080323083409]
エージェントは異質な目標や視覚的な観察をタスク、環境、ロボットの体現物に翻訳する必要がある。
ここでは,タスク固有の予測ヘッドを使わずに,予め訓練されたVLMの空間的知性を取り入れた,コンパクトな一般化型ナビゲーションモデルLightNav-0を提案する。
論文 参考訳（メタデータ） (2026-08-31T15:08:53Z) - FutureNav: Unified World-Action Modeling for Vision-and-Language Navigation [22.882723669402026]
FutureNavは、視覚・言語ナビゲーションのためのVLMベースの統合ワールドアクションモデリングフレームワークである。
本論文では,FutureNavが複数のVLNベンチマークで最先端性能を実現し,従来のVLN手法よりも大幅に優れていることを示す。
論文 参考訳（メタデータ） (2026-06-29T14:33:03Z) - Qwen-RobotNav Technical Report: A Scalable Navigation Model Designed for an Agentic Navigation System [96.69286664036143]
Qwen-RobotNavは、Qwen-RobotNav上に構築されたスケーラブルなナビゲーションモデルである。
156万のサンプルでQwen-RobotNavをトレーニングします。
Qwen-RobotNavは、主要なナビゲーションベンチマークにまたがって、最先端の結果を新たに設定する。
論文 参考訳（メタデータ） (2026-06-16T16:17:44Z) - ImagiNav: Scalable Embodied Navigation via Generative Visual Prediction and Inverse Dynamics [13.382453086651019]
Vision-Language Navigationは、高価なエンボディメント固有のロボットデータに基づいて訓練されたエンドツーエンドのポリシーに依存している。
ロボットの動作から視覚計画を切り離す新しいモジュラーパラダイムであるImagiNavを提案する。
ImagiNavは、ロボットのデモを必要とせずに、ロボットナビゲーションへの強力なゼロショット転送をデモする。
論文 参考訳（メタデータ） (2026-03-14T08:34:02Z) - OpenFrontier: General Navigation with Visual-Language Grounded Frontiers [54.661157616245966]
オープンワールドナビゲーションでは、複雑な日常環境においてロボットが意思決定を行う必要がある。
近年の視覚-言語ナビゲーション(VLN)と視覚-言語-アクション(VLA)モデルは、自然言語で条件付けられたエンドツーエンドのポリシーを実現する。
多様な視覚をシームレスに統合するトレーニングフリーナビゲーションフレームワークであるOpenFrontierを提案する。
論文 参考訳（メタデータ） (2026-03-05T17:02:22Z) - ReasonNavi: Human-Inspired Global Map Reasoning for Zero-Shot Embodied Navigation [53.95797153529148]
身体的エージェントは、主に部分的な自我中心の観測に依存するため、効率的なナビゲーションに苦しむことが多い。
本稿では,マルチモーダル大規模言語モデル(MLLM)と決定論的プランナを結合することにより,この理由に基づくパラダイムを運用する,人間にインスパイアされたフレームワークであるReasonNaviを紹介する。
論文 参考訳（メタデータ） (2026-01-26T19:09:20Z) - WMNav: Integrating Vision-Language Models into World Models for Object Goal Navigation [6.463198014180394]
WMNavは視覚言語モデル(VLM)を利用した新しい世界モデルベースのナビゲーションフレームワークである。
決定の結果を予測し、ポリシーモジュールへのフィードバックを提供するためにメモリを構築する。
人間のような思考プロセスに従って分解することにより、WMNavはモデル幻覚の影響を効果的に緩和する。
論文 参考訳（メタデータ） (2025-03-04T03:51:36Z) - Navigation World Models [68.58459393846461]
本稿では,過去の観測とナビゲーション行動に基づいて,将来の視覚観測を予測できる制御可能な映像生成モデルを提案する。
慣れ親しんだ環境では、NWMはナビゲーションの軌道をシミュレートし、目的を達成するかどうかを評価することで計画することができる。
実験は、スクラッチからの軌道計画や、外部ポリシーからサンプリングされた軌道のランク付けにおいて、その効果を実証する。
論文 参考訳（メタデータ） (2024-12-04T18:59:45Z) - NoMaD: Goal Masked Diffusion Policies for Navigation and Exploration [57.15811390835294]
本稿では,目標指向ナビゲーションと目標非依存探索の両方を扱うために,単一の統合拡散政策をトレーニングする方法について述べる。
この統一された政策は、新しい環境における目標を視覚的に示す際に、全体的な性能が向上することを示す。
実世界の移動ロボットプラットフォーム上で実施した実験は,5つの代替手法と比較して,見えない環境における効果的なナビゲーションを示す。
論文 参考訳（メタデータ） (2023-10-11T21:07:14Z)
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。