論文の概要: FloVerse: Floor Plan-Guided Multi-Modal Navigation

• arxiv url: http://arxiv.org/abs/2606.14267v1
• Date: Fri, 12 Jun 2026 08:49:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-15 16:00:42.841218
• Title: FloVerse: Floor Plan-Guided Multi-Modal Navigation
• Title（参考訳）: FloVerse:Floor Plan-Guided Multi-Modal Navigation
• Authors: Weiqi Huang, Shuangyi Dong, Jiaxin Li, Yifei Guo, Zan Wang, Wei Liang,
• Abstract要約: FloVerseは、フロアプランで誘導されるインボディードナビゲーションのタスクである。 ThreeDiffは、フロアプランから空間情報を暗黙的にキャプチャする。 実験により、フロアプランの事前設計により、すべてのゴールモダリティのナビゲーション性能が向上することが示された。
• 参考スコア（独自算出の注目度）: 27.822662490531325
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Floor plans encapsulate compact spatial priors, enabling agents to navigate unseen scenes more efficiently. While prior work has explored floor plan-guided navigation, it has focused mainly on PointNav and a limited set of environments. To bridge this gap, we introduce FloVerse, a new task for floor plan-guided embodied navigation that unifies PointNav, ObjectNav, and ImageNav. To support FloVerse, we assemble FloVerse-1.6K, a large-scale dataset of 1.6K scenes from HM3D and Gibson 4+, paired with corresponding floor plans, comprising 240K expert trajectories and 12M RGBD frames. We further propose ThreeDiff, a two-stage imitation learning policy comprising a planner, a diffusion-based multimodal goal-reasoning module trained via masked-modality modeling, and a refiner, a depth-based trajectory-refinement module for safe execution. Extensive experiments demonstrate that (1) floor-plan priors improve navigation performance across all goal modalities, and (2) ThreeDiff implicitly captures spatial information from floor plans. These results underscore the effectiveness of spatial priors and validate our proposed unified approach for floor plan-guided embodied navigation.
• Abstract（参考訳）: フロア計画では、コンパクトな空間的先行をカプセル化することで、エージェントは見えないシーンをより効率的にナビゲートすることができる。 以前の作業ではフロアプラン誘導ナビゲーションが検討されていたが、主にPointNavと限られた環境に重点を置いている。 このギャップを埋めるために、FloVerseを紹介します。FloVerseは、フロアプランで誘導される新しいナビゲーションタスクで、PointNav、ObjectNav、ImageNavを統一します。 FloVerseをサポートするために、HM3DとGibson 4+の1.6Kシーンの大規模データセットであるFloVerse-1.6Kを、240Kの専門家軌道と1200万RGBDフレームからなる対応するフロアプランと組み合わせて組み立てた。 さらに、プラナーと、マスク付きモダリティモデルを用いて訓練された拡散型マルチモーダルゴール推論モジュールと、安全に実行するための深度に基づく軌道修正モジュールとからなる2段階の模倣学習ポリシーである3Diffを提案する。 大規模実験により,(1) フロアプランの事前設計により, 目標の全てを横断するナビゲーション性能が向上し, (2) 3Diff はフロアプランから空間情報を暗黙的にキャプチャすることがわかった。 これらの結果は,空間的先行性の有効性を実証し,提案したフロアプラン誘導型エンボディナビゲーションの統一的アプローチの有効性を検証した。

関連論文リスト

• TravExplorer: Cross-Floor Embodied Exploration via Traversability-Aware 3-D Planning [17.54520943622758]
  この記事では、クロスフロアで具体化された探索フレームワークであるTravExplorerを紹介します。 ゼロショットセマンティックガイダンスとトラバーサビリティを意識した3Dプランニングを結合する。 ユニツリーGo2の現実世界での50の試行は、シングルフロアとクロスフロアの屋内環境におけるオープンボキャブラリターゲット探索をさらに検証している。
  論文  参考訳（メタデータ） (2026-05-19T15:11:29Z)
• FloorPlan-VLN: A New Paradigm for Floor Plan Guided Vision-Language Navigation [17.1490555684021]
  既存の言語ナビゲーション(VLN)タスクは、エージェントが命令に従う必要がある。 本稿では,bfFloorPlan-VLNを提案する。bfFloorPlan-VLNは,構造的なフロアプランをグローバル空間先行として活用し,簡潔な指示だけでナビゲーションを可能にする新しいパラダイムである。
  論文  参考訳（メタデータ） (2026-03-18T07:22:48Z)
• Floorplan2Guide: LLM-Guided Floorplan Parsing for BLV Indoor Navigation [4.3114959617830015]
  そこで本研究では,フロアプランをナビゲーション可能な知識グラフに変換し,人間の読みやすいナビゲーション命令を生成する新しいナビゲーション手法を提案する。 Floorplan2Guideは、大規模言語モデル(LLM)を統合し、アーキテクチャレイアウトから空間情報を抽出する。 シミュレーションおよび実世界評価におけるゼロショット学習と比較して,少数ショット学習ではナビゲーション精度が向上することが示唆された。
  論文  参考訳（メタデータ） (2025-12-13T04:49:26Z)
• FOM-Nav: Frontier-Object Maps for Object Goal Navigation [65.76906445210112]
  FOM-Navはフロンティアオブジェクトマップと視覚言語モデルによる探索効率を高めるフレームワークである。 FOM-Navをトレーニングするために,実環境から大規模ナビゲーションデータセットを自動構築する。 FOM-NavはMP3DとHM3Dのベンチマーク、特にナビゲーション効率の指標SPLで最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2025-11-30T18:16:09Z)
• DAgger Diffusion Navigation: DAgger Boosted Diffusion Policy for Vision-Language Navigation [73.80968452950854]
  Vision-Language Navigation in Continuous Environments (VLN-CE) は、エージェントが自由形式の3D空間を通して自然言語の指示に従う必要がある。 既存のVLN-CEアプローチは通常、2段階のウェイポイント計画フレームワークを使用する。 本稿では,エンドツーエンド最適化VLN-CEポリシとしてDAgger Diffusion Navigation (DifNav)を提案する。
  論文  参考訳（メタデータ） (2025-08-13T02:51:43Z)
• FloNa: Floor Plan Guided Embodied Visual Navigation [17.872748053116137]
  人間は自然に不慣れな環境で移動するためのフロアプランに頼っている。 既存のビジュアルナビゲーション設定は、この貴重な事前知識を見落としている。 我々はフロアプランビジュアルナビゲーション(FloNa)を紹介し、フロアプランを具体化ビジュアルナビゲーションに組み込む最初の試みである。
  論文  参考訳（メタデータ） (2024-12-24T10:42:25Z)
• Affordances-Oriented Planning using Foundation Models for Continuous Vision-Language Navigation [64.84996994779443]
  本稿では,連続視覚言語ナビゲーション(VLN)タスクのためのAffordances-Oriented Plannerを提案する。 我々のAO-Plannerは、様々な基礎モデルを統合して、アベイランス指向の低レベルな動き計画とハイレベルな意思決定を実現する。 挑戦的なR2R-CEデータセットとRxR-CEデータセットの実験は、AO-Plannerが最先端のゼロショットのパフォーマンスを達成したことを示している。
  論文  参考訳（メタデータ） (2024-07-08T12:52:46Z)
• 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)
• Target-Driven Structured Transformer Planner for Vision-Language Navigation [55.81329263674141]
  本稿では,TD-STP(Target-Driven Structured Transformer Planner)を提案する。 具体的には,長期目標の明示的な推定を行うため,Imaginary Scene Tokenization機構を考案する。 さらに,調査室のレイアウトを構造的かつグローバルな計画のためのニューラルアテンションアーキテクチャにエレガントに組み込んだ構造化トランスフォーマープランナーを設計する。
  論文  参考訳（メタデータ） (2022-07-19T06:46:21Z)

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。