論文の概要: SemGeoNav:A Safety-Guided Visual Navigation Approach with Semantic Reasoning and Geometric Planning
- arxiv url: http://arxiv.org/abs/2606.16400v1
- Date: Mon, 15 Jun 2026 08:38:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-16 18:36:05.048145
- Title: SemGeoNav:A Safety-Guided Visual Navigation Approach with Semantic Reasoning and Geometric Planning
- Title（参考訳）: SemGeoNav:セマンティック推論と幾何学的計画を用いた安全誘導型ビジュアルナビゲーション手法
- Authors: Yu Liu, Zongyang Chen, Yan Guo, Chao Liu, Xianfei Pan,
- Abstract要約: SemGeoNavは、新しい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。
これは、エンドツーエンドモデルの高レベルなセマンティック推論と、幾何に基づく手法の信頼性の高い局所計画能力とを密に統合する。
実環境におけるUnitree Go2四足ロボットのSemGeoNavの評価を行った。
- 参考スコア（独自算出の注目度）: 8.096489080645487
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Learning-based visual navigation has enhanced semantic goal-reaching capabilities. However, due to their black-box nature, purely end-to-end models often lack explicit geometric constraints, leading to unpredictable and unreliable obstacle avoidance in open environments. Conversely, traditional geometric planners ensure safety but struggle with high-dimensional visual targets. To address these limitations, we propose SemGeoNav, a novel hierarchical visual navigation framework.It tightly integrates the high-level semantic reasoning of end-to-end models with the reliable local planning ability of geometry-based methods, achieving robust image-based navigation while significantly improving obstacle avoidance. Furthermore, we introduce a temporal trajectory smoothing mechanism to ensure continuous and stable robot motion. We evaluated SemGeoNav on a Unitree Go2 quadruped robot in real-world environments. The results demonstrate that SemGeoNav outperforms existing representative methods, including ViNT and NoMaD, achieving higher success rates and shorter navigation times.
- Abstract（参考訳）: 学習ベースのビジュアルナビゲーションは、セマンティックゴール取得機能を強化した。
しかしながら、ブラックボックスの性質のため、純粋にエンド・ツー・エンドのモデルは明示的な幾何学的制約を欠くことが多く、オープン環境において予測不可能で信頼性の低い障害物回避につながる。
逆に、伝統的な幾何学的プランナーは安全性を確保するが、高次元の視覚的目標に苦しむ。
これらの制約に対処するために,新しい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SemGeoNavを提案する。このフレームワークは,エンド・ツー・エンドモデルの高レベルなセマンティック推論と,幾何学的手法の信頼性の高い局所的計画能力とを密に統合し,堅牢な画像ベースのナビゲーションを実現するとともに,障害物回避を著しく改善する。
さらに,ロボット運動の持続的・安定性を確保するため,時間的軌道平滑化機構を導入する。
実環境におけるUnitree Go2四足歩行ロボットのSemGeoNavの評価を行った。
その結果、SemGeoNavはViNTやNoMaDなど、既存の代表的手法よりも優れており、高い成功率とナビゲーション時間の短縮を実現していることがわかった。
関連論文リスト
- VGP-Nav: Metric-Aware Visual Geometric Perception for Robot Navigation [59.44896676402453]
VGP-Navは、テキスト・メトリック・アウェア・ビジュアル・ジオメトリック・パーセプションのための統合されたフレームワーク
単分子RGB入力にのみ依存し、メトリックローカライゼーションと障害物知覚を共同で支援する。
VGP-Navはモノクルスケールのあいまいさをオンラインで解決し、局所化基底の計量障害物表現を生成する。
論文 参考訳（メタデータ） (2026-06-08T09:38:14Z) - IntentReact: Guiding Reactive Object-Centric Navigation via Topological Intent [38.14789750420476]
目的条件付きオブジェクト中心ナビゲーションフレームワークであるIntentReactを提案する。
従来のオブジェクト中心ナビゲーション手法と比較して,ナビゲーションの成功率と実行品質が向上した。
論文 参考訳（メタデータ） (2026-03-26T12:32:11Z) - 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) - WildOS: Open-Vocabulary Object Search in the Wild [12.098091049832965]
この研究は、長距離でオープンなオブジェクト検索のための統一システムWildOSを提示する。
基礎モデルに基づく視覚モジュール ExploRFM を用いて、グラフのフロンティアノードをスコアリングする。
また、オープン語彙ターゲットクエリの粗い局所化のための粒子フィルタに基づく手法も導入する。
論文 参考訳（メタデータ） (2026-02-22T19:14:00Z) - Aerial World Model for Long-horizon Visual Generation and Navigation in 3D Space [48.19308247102762]
本稿では,過去のフレームや行動に照らされた将来の視覚的観察を予測する航空ナビゲーションワールドモデルANWMを提案する。
ANWMは4-DoF UAV軌道で訓練され、物理学にインスパイアされたモジュールであるFuture Frame Projectionを導入した。
実験により、ANWMは長距離視覚予測において既存の世界を著しく上回り、大規模環境でのUAV航法成功率を向上させることが示された。
論文 参考訳（メタデータ） (2025-12-26T06:22:39Z) - TANGO: Traversability-Aware Navigation with Local Metric Control for Topological Goals [10.69725316052444]
ゼロショット・ロングホライゾン・ロボットナビゲーションを可能にする新しいRGBのみのオブジェクトレベルのトポロジカルナビゲーションパイプラインを提案する。
提案手法は,グローバルなトポロジカルパス計画と局所的軌跡制御を統合し,障害物を避けつつ,ロボットがオブジェクトレベルのサブゴールに向かって移動できるようにする。
シミュレーション環境と実世界の両方のテストにおいて,本手法の有効性を実証し,その堅牢性とデプロイ性を強調した。
論文 参考訳（メタデータ） (2025-09-10T15:43:32Z) - ZeST: an LLM-based Zero-Shot Traversability Navigation for Unknown Environments [7.419243375193223]
ロボットを危険にさらすことなく、リアルタイムで移動可能なマップを作成するための新しいアプローチであるZeSTを提案する。
提案手法は,ゼロショットトラバーサビリティを実現し,実際のデータ収集に伴うリスクを軽減するだけでなく,高度なナビゲーションシステムの開発も促進する。
論文 参考訳（メタデータ） (2025-08-26T15:30:19Z) - 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) - ViKiNG: Vision-Based Kilometer-Scale Navigation with Geographic Hints [94.60414567852536]
長距離航法には、計画と局所的な移動可能性の推論の両方が必要である。
学習と計画を統合する学習に基づくアプローチを提案する。
ViKiNGは、画像ベースの学習コントローラを利用できる。
論文 参考訳（メタデータ） (2022-02-23T02:14:23Z) - BADGR: An Autonomous Self-Supervised Learning-Based Navigation System [158.6392333480079]
BadGRは、エンドツーエンドの学習ベースのモバイルロボットナビゲーションシステムである。
実際の環境で収集された、自己監督型のオフポリシーデータでトレーニングすることができる。
BadGRは、幾何学的に邪魔な障害物を伴って、現実世界の都市やオフロード環境をナビゲートすることができる。
論文 参考訳（メタデータ） (2020-02-13T18:40:21Z)
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。