論文の概要: SurveilNav: Collaborative Object Goal Navigation with Robot and Surveillance System

• arxiv url: http://arxiv.org/abs/2606.25119v1
• Date: Tue, 23 Jun 2026 19:45:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-25 17:05:30.129861
• Title: SurveilNav: Collaborative Object Goal Navigation with Robot and Surveillance System
• Title（参考訳）: SurveilNav:ロボットと監視システムによる協調目標ナビゲーション
• Authors: Ming-Ming Yu, Qunbo Wang, Rongtao Xu, Yanghong Mei, Yirong Yang, Longteng Guo, Wenjun Wu, Jing Liu,
• Abstract要約: 74フロアを横断する206台のカメラを備えたHabitat-Sim上に構築された新しい協調オブジェクトナビゲーションデータセットを提案する。 本稿では,アクティブなカメラスケジューリング,共同2D/3Dマッピング,VLMに基づく値推定,協調目標検証を統合した協調ナビゲーションフレームワークであるSurveilNavを提案する。 このシステムは,大規模な捜索,家庭環境,救助活動に強い可能性を示す。
• 参考スコア（独自算出の注目度）: 22.58223776260573
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With the growing deployment of surveillance systems in factories, offices, and homes, integrating them with robots offers a promising direction for collaborative and efficient task execution. However, existing approaches largely focus on single-robot scenarios and struggle with multi-view collaboration in large-scale environments. In this paper, we present a novel indoor collaborative object navigation dataset built on Habitat-Sim, featuring 206 cameras across 74 floors. The dataset enables systematic evaluation of an agent's ability to exploit multi-view surveillance information. To address the limitations of single-robot perception, we propose SurveilNav, a collaborative navigation framework that integrates active camera scheduling, joint 2D/3D mapping, VLM-based value estimation, and collaborative target verification. By synergizing the robot's dynamic local perception with the static global view of surveillance, this architecture effectively overcomes both the limited perception range of single agents and the inherent blind spots of fixed cameras, resolving inefficient exploration. Experimental results on the HM3D dataset demonstrate that SurveilNav substantially outperforms existing methods, achieving state-of-the-art performance in both exploration efficiency and navigation success rate. Moreover, the system shows strong potential for applications in large-scale search, home environments, and rescue missions.
• Abstract（参考訳）: 工場、オフィス、家庭における監視システムの展開が進み、ロボットと統合することで、協調的で効率的なタスク実行のための有望な方向性を提供する。 しかし、既存のアプローチは主にシングルロボットのシナリオに焦点を当てており、大規模環境でのマルチビューのコラボレーションに苦労している。 本稿では,Habitat-Sim上に構築された,74フロアに206台のカメラを備えた屋内協調型オブジェクトナビゲーションデータセットを提案する。 このデータセットは、多視点監視情報を利用するエージェントの能力の体系的評価を可能にする。 単一ロボット認識の限界に対処するために,アクティブカメラスケジューリング,共同2D/3Dマッピング,VLMに基づく値推定,協調目標検証を統合した協調ナビゲーションフレームワークであるSurveilNavを提案する。 このアーキテクチャは、ロボットのダイナミックな局所的な知覚と、静的なグローバルな監視の視点を相乗化することによって、単一エージェントの限られた知覚範囲と固定カメラの固有の盲点の両方を効果的に克服し、非効率な探索を解消する。 HM3Dデータセットの実験結果から、SurveilNavは既存の手法よりも大幅に優れており、探索効率と航法成功率の両方で最先端の性能を実現している。 さらに, 大規模探索, ホーム環境, 救助任務の応用可能性も高い。

関連論文リスト

• Decentralized Heterogeneous Multi-Robot Collaborative Exploration for Indoor and Outdoor 3D Environments [11.81511178687002]
  本稿では,異種マルチロボットシステムのための分散協調フレームワークを提案する。 このフレームワークは、異種ロボット間の探索作業を調整し、優れた探索効率と通信節約を実現する。
  論文  参考訳（メタデータ） (2026-04-26T13:16:13Z)
• Line-of-Sight-Constrained Multi-Robot Mapless Navigation via Polygonal Visible Regions [34.42294321573021]
  本稿では,未知の障害物を持つマルチロボットナビゲーションにおけるライン・オブ・ビュー(LoS)接続性維持問題について検討する。 本稿では,各ロボットがリアルタイムLiDARスキャンに基づいて,自我中心の可視領域のみを構築するという,本質的に分散したアプローチを提案する。 その結果,障害物が散らばった環境においてロボット間のLoS接続性を確実に維持できることが示唆された。
  論文  参考訳（メタデータ） (2026-03-27T11:33:25Z)
• AerialMind: Towards Referring Multi-Object Tracking in UAV Scenarios [64.51320327698231]
  UAVシナリオにおける最初の大規模RMOTベンチマークであるAerialMindを紹介する。 我々は、革新的な半自動協調型エージェントベースラベリングアシスタントフレームワークを開発した。 また,視覚言語表現学習を協調的に強化する新しい手法であるHawkEyeTrackを提案する。
  論文  参考訳（メタデータ） (2025-11-26T04:44:27Z)
• Decentralized Vision-Based Autonomous Aerial Wildlife Monitoring [55.159556673975544]
  野生生物モニタリングのための分散視覚に基づくマルチクワッドロータシステムを提案する。 我々のアプローチは、その自然生息地における大型種のロバスト同定と追跡を可能にする。
  論文  参考訳（メタデータ） (2025-08-20T20:05:05Z)
• 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)
• Enhancing Autonomous Navigation by Imaging Hidden Objects using Single-Photon LiDAR [12.183773707869069]
  単一光子LiDARを用いたNon-Line-of-Sight(NLOS)センシングによる視認性の向上と自律ナビゲーションの向上を目的とした新しいアプローチを提案する。 本手法は,マルチバウンス光情報を利用することで,移動ロボットを「隅々まで見る」ことを可能にする。
  論文  参考訳（メタデータ） (2024-10-04T16:03:13Z)
• Co-NavGPT: Multi-Robot Cooperative Visual Semantic Navigation Using Vision Language Models [8.668211481067457]
  Co-NavGPTは、ビジョン言語モデル(VLM)をグローバルプランナーとして統合する新しいフレームワークである。 Co-NavGPTは、多様な視点を持つ複数のロボットのサブマップを統一されたグローバルマップに集約する。 VLMはこの情報を使って、ロボット全体のフロンティアを割り当て、協調的で効率的な探索を容易にする。
  論文  参考訳（メタデータ） (2023-10-11T23:17:43Z)
• Active Visual Localization for Multi-Agent Collaboration: A Data-Driven Approach [47.373245682678515]
  本研究は、視点変化の課題を克服するために、アクティブな視覚的ローカライゼーションをどのように利用できるかを検討する。 具体的には、与えられた場所における最適な視点を選択する問題に焦点をあてる。 その結果,既存の手法と比較して,データ駆動方式の方が優れた性能を示した。
  論文  参考訳（メタデータ） (2023-10-04T08:18:30Z)

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。