論文の概要: RoboAtlas: Contextual Active SLAM
- arxiv url: http://arxiv.org/abs/2606.26046v1
- Date: Wed, 24 Jun 2026 17:26:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-25 17:05:30.401758
- Title: RoboAtlas: Contextual Active SLAM
- Title（参考訳）: RoboAtlas: コンテキストアクティブSLAM
- Abstract要約: 本稿では,幾何学的探索と意味論的推論を適応的にバランスするコンテキスト型アクティブSLAMフレームワークであるRoboAtlasを紹介する。
1800m2を超える大規模実環境下でのシミュレーションおよびUnitree Go2ロボット上で,約30kのマップ付きセマンティックインスタンスを用いてシステム評価を行った。
- 参考スコア（独自算出の注目度）: 38.64464049929879
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present RoboAtlas, a contextual Active SLAM framework that adaptively balances geometric exploration and semantic reasoning using a scalable 3D semantic mapping system, OpenRoboVox. RoboAtlas integrates frontier exploration, global semantic-map reasoning, and egocentric VLM-based reasoning through a contextual multi-armed bandit that transitions from exploration to semantically guided navigation as scene understanding improves. We evaluate the system in simulation and on a Unitree Go2 robot in large-scale real-world environments exceeding 1800 m2 with approx. 30k mapped semantic instances, achieving a 100% task success rate. On the GOAT-Bench "Val Unseen" benchmark, RoboAtlas achieves state-of-the-art performance with highest reported success rate (SR) of 90.6%, using GPT-4o, improving over the strongest prior baseline by 17.8 percentage points in SR. Using the much smaller Qwen2.5-VL-7B model, it still achieves 88.8% SR, outperforming all baselines using GPT-4o in SR, and revealing the importance of the information gained by our semantic mapping framework over simply replacing the underlying foundation model. The results demonstrate that grounding foundation models with large-scale 3D semantic maps enables robust and efficient contextual Active SLAM.
- Abstract（参考訳）: 本稿では,スケーラブルな3DセマンティックマッピングシステムであるOpenRoboVoxを用いて,幾何学的探索と意味推論を適応的にバランスさせる,コンテキスト型アクティブSLAMフレームワークであるRoboAtlasを提案する。
RoboAtlasは、フロンティア探索、グローバルセマンティックマップ推論、エゴセントリックなVLMベースの推論を統合する。
1800m2を超える大規模現実環境下でのシミュレーションおよびUnitree Go2ロボット上でのシステム評価を行った。
30kはセマンティックインスタンスをマップし、100%タスクの成功率を達成した。
GOAT-Bench "Val Unseen" ベンチマークで、RoboAtlas は GPT-4o を用いて90.6%の最高成功率で最先端のパフォーマンスを達成した。
より小さな Qwen2.5-VL-7B モデルを用いても 88.8% の SR を達成し、GPT-4o で全てのベースラインを上回り、基礎となる基盤モデルを置き換えることよりも、セマンティックマッピングフレームワークによって得られる情報の重要性を明らかにする。
その結果,大規模3次元セマンティックマップを用いた基礎モデルにより,ロバストで効率的なアクティブSLAMが実現できることが示唆された。
関連論文リスト
- Pelican-Sim 1.0: A General World Model Simulator for Embodied Intelligence [22.0636262013758]
Pelican-Sim 1.0は、インテリジェンスのための一般的な世界モデルシミュレータである。
ビジュアルコンテキストとロボットアクションから将来の観察を予測し、下流での学習と意思決定を支援する。
論文 参考訳（メタデータ） (2026-09-10T17:51:01Z) - SSTG-Nav: Metric-Grounded Spatial-Semantic Topological Graphs for Reusable Object Navigation [2.272547247667044]
SSTG-Navは再利用可能なメートル法セマンティックメモリで、1回のサーベイを実行可能なオブジェクトゴールに変換する。
36シーンにわたる1000のHM3D-v2エピソードにおいて、私たちのゴールに依存しないトポロジーは99.4%の幾何学的成功天井を達成した。
論文 参考訳（メタデータ） (2026-08-01T08:40:04Z) - LocalNav: Distilling Frontier VLMs and Embodied RL for On-Device Object Goal Navigation [53.88286427894783]
視覚言語モデル(VLM)は、ロボット分野において、言語コンテキストによる環境認識を可能にする強力なツールとして登場した。
しかし、彼らの計算フットプリントは、通常、それらをクラウド実行に制限し、リソースに制約のあるロボットへのローカルなデプロイによる低レイテンシの推論を妨げる。
本稿では,大規模フロンティアモデルからの複雑な空間意味推論を,組み込みGPUデバイス上でエッジ実行を行うための軽量な4BパラメータローカルVLMに転送する蒸留戦略を提案する。
論文 参考訳（メタデータ） (2026-06-26T09:11:59Z) - GEAR-VLA: Learning Geometry-Aware Action Representations for Generalizable Robotic Manipulation [49.16739604572808]
VLA(Vision-Language-Action)モデルは、強力なベンチマークパフォーマンスを実現するが、目に見えないオブジェクトによる現実世界のデプロイに苦労する。
これは、統合幾何認識の操作表現が欠如していることに起因していると我々は主張する。
一般化可能なロボット操作のための統合幾何認識行動表現を学習するためのVLAフレームワークであるGEAR-VLAを提案する。
論文 参考訳（メタデータ） (2026-06-07T09:23:16Z) - PanoEnv: Exploring 3D Spatial Intelligence in Panoramic Environments with Reinforcement Learning [5.308328605042682]
360パノラマ画像は、バーチャルリアリティー、自律運転、総合的なシーン理解のためのロボティクスでますます利用されている。
現在の視覚言語モデル(VLM)は、幾何学的歪みと限定的な3次元監督のため、等角射影(ERP)画像の空間的推論に苦慮している。
合成3D環境から構築した大規模VQAベンチマークであるPanoEnvを紹介する。
我々の7Bモデルは、新しい最先端性能を実現し、全体的な精度を52.93%(+3.59%)、オープンエンド精度を14.83%に改善し、構造化タスク性能を維持した。
論文 参考訳（メタデータ） (2026-02-25T15:12:17Z) - ABot-N0: Technical Report on the VLA Foundation Model for Versatile Embodied Navigation [50.35621223011076]
ABot-N0は5つのコアタスクにまたがる「グランド・ユニフィケーション」を実現する統合ビジョン・ランゲージ・アクション(VLA)基盤モデルである。
ABot-N0は階層的なBrain-Action'アーキテクチャを使用し、LLMベースのCognitive Brainをセマンティック推論に組み合わせ、フローマッチングベースのAction Expertと組み合わせて正確で連続的な軌道生成を行う。
論文 参考訳（メタデータ） (2026-02-12T05:30:20Z) - OpenNavMap: Structure-Free Topometric Mapping via Large-Scale Collaborative Localization [12.686154192361913]
OpenNavMapは、オンデマンドの再構築に3D幾何学的基礎モデルを活用する軽量で構造のないトポロジカルシステムである。
提案手法は,動的プログラミングに基づくシーケンスマッチング,幾何検証,信頼性校正最適化を,頑健で粗いサブマップアライメントに統一する。
Map-Freeベンチマークの評価は、平均翻訳誤差0.62mを達成し、構造移動ベースラインと回帰ベースラインよりも優れた精度を示す。
論文 参考訳（メタデータ） (2026-01-18T07:24:46Z) - RoboRefer: Towards Spatial Referring with Reasoning in Vision-Language Models for Robotics [67.11221574129937]
空間参照は、3D物理世界と相互作用するエンボディロボットの基本的な能力である。
本稿では,まず空間的理解を正確に行うことのできる3次元VLMであるRoboReferを提案する。
RoboReferは、強化微調整による一般化された多段階空間推論を推進している。
論文 参考訳（メタデータ） (2025-06-04T17:59:27Z) - GLEAM: Learning Generalizable Exploration Policy for Active Mapping in Complex 3D Indoor Scenes [48.655377892842154]
複雑な未知環境における一般化可能なアクティブマッピングは、移動ロボットにとって重要な課題である。
我々は、アクティブマッピングのための統一的な一般化可能な探索ポリシーであるGLEAMを紹介する。
最先端の手法を大きく上回り、66.50%のカバレッジ(+9.49%)を効率の良い軌道で達成し、128の複雑なシーンでのマッピング精度を改善した。
論文 参考訳（メタデータ） (2025-05-26T17:59:52Z)
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。