論文の概要: Difference-Based Relational Learning for Zero-Shot Object-Goal Visual Navigation With Direct Sim-to-Real Transfer

• arxiv url: http://arxiv.org/abs/2607.15642v1
• Date: Fri, 17 Jul 2026 05:35:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-20 17:56:52.75336
• Title: Difference-Based Relational Learning for Zero-Shot Object-Goal Visual Navigation With Direct Sim-to-Real Transfer
• Title（参考訳）: 直接シミュレートによるゼロショット目標ビジュアルナビゲーションにおける差分に基づく関係学習
• Abstract要約: 頑健なゼロショットsim-to-real転送のための時間差分関係ネットワーク(T-DRN) AI2-THORの実験では、強いベースラインよりも成功率の観点からT-DRNがゼロショットの一般化を改善することが示されている。 T-DRNは、物理的な車輪付きロボット上で体系的に検証され、実感と動作の制約の下で頑健な性能を示す。
• 参考スコア（独自算出の注目度）: 0.5371337604556311
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: End-to-end deep reinforcement learning (DRL) for zero-shot object-goal visual navigation remains challenged by the sim-to-real gap, particularly variations in object appearance and restricted camera field-of-view (FoV). This letter proposes a Temporal Difference-Relational Network (T-DRN) for robust zero-shot sim-to-real transfer. T-DRN combines a Siamese difference-based feature extractor, which computes relational difference between the target and observed objects to produce domain-independent representations, with a dual-frame temporal buffer that preserves short-term object continuity under narrow FoV. Extensive experiments in AI2-THOR demonstrate that T-DRN improves zero-shot generalization in terms of success rates over strong baselines. Furthermore, T-DRN is systematically validated on a physical wheeled robot, demonstrating robust performance under real sensing and actuation constraints and supporting the feasibility of direct sim-to-real transfer.
• Abstract（参考訳）: ゼロショットオブジェクトゴールビジュアルナビゲーションのためのエンドツーエンド強化学習(DRL)は、特にオブジェクトの外観や制限されたカメラフィールド・オブ・ビュー(FoV)のバラツキによって、依然として課題が残されている。 本稿では, ゼロショット・シム-リアル転送のための時間差分関係ネットワーク(T-DRN)を提案する。 T-DRNは、ターゲットと観測対象の間の関係性差を計算し、ドメインに依存しない表現を生成するシームズ差分に基づく特徴抽出器と、狭いFoVの下で短期オブジェクトの連続性を保った2フレーム時間バッファを組み合わせる。 AI2-THORにおける大規模な実験により、T-DRNは強いベースラインよりも成功率においてゼロショットの一般化を改善することが示されている。 さらに、T-DRNは、物理的な車輪付きロボット上で体系的に検証され、実際のセンシングおよびアクチュエータ制約下での堅牢な性能を示し、直接sim-to-real転送の実現性をサポートする。

関連論文リスト

• REFINE: Trajectory Representation Learning via Closed-Loop Transcription -- Extended Version [22.872723951282282]
  REFINE は単純な lEarning Framework vIa の閉ループトラジェクタ rEfinement である。 提案した閉ループ最適化の保証を確立する制御理論解析を行う。 実世界の4つのデータセットの実験では、REFINEは最先端の手法を一貫して上回っている。
  論文  参考訳（メタデータ） (2026-09-07T08:26:49Z)
• Task-Relevant Feature-Dynamics Fidelity Enables Zero-Shot Sim-to-Real Transfer for Robotic Ultrasound Scanning [58.25007580703646]
  我々は,共有構造中間領域,軌道レベルの固定雑音,数ステップの条件流生成を組み合わせたTR指向超音波シミュレータを開発した。 ファントム実験では、4つの標的機に400発のゼロショット配置のうち390発が成功した。
  論文  参考訳（メタデータ） (2026-08-30T02:37:00Z)
• Causal Bootstrapped Alignment for Unsupervised Video-Based Visible-Infrared Person Re-Identification [52.784239635604735]
  VVI-ReIDは、静止画像以外にも時間情報が付加的な手がかりを提供する、全日監視のための重要な技術である。 既存のアプローチは、高価なクロスモダリティアノテーションによる完全な教師付き学習に大きく依存しており、スケーラビリティが制限されています。 そこで,本研究では,ビデオの先行を明示的に活用するCausal Bootstrapped Alignmentフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-04-17T02:15:59Z)
• SDF-Net: Structure-Aware Disentangled Feature Learning for Opticall-SAR Ship Re-identification [10.512241383910721]
  光学および合成開口レーダ(SAR)画像間のクロスモーダル船再識別(ReID)は基本的に課題である。 本稿では,光学式SAR船ReIDに幾何整合性を体系的に組み込んだ構造対応不整合特徴学習ネットワークであるSDF-Netを提案する。 HOSS-ReIDデータセットの実験は、SDF-Netが既存の最先端メソッドを一貫して上回っていることを示している。
  論文  参考訳（メタデータ） (2026-03-13T02:41:43Z)
• Perception-Aware Multimodal Spatial Reasoning from Monocular Images [57.42071289037214]
  単眼画像からの空間的推論は 自律運転には不可欠です 現在のヴィジュアルランゲージモデル(VLM)は、微粒な幾何学的知覚に苦慮している。 本稿では,VLMを明示的な対象中心の接地能力を持つ知覚認識型マルチモーダル推論フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-07T02:05:12Z)
• RSGround-R1: Rethinking Remote Sensing Visual Grounding through Spatial Reasoning [61.84363374647606]
  リモートセンシングビジュアルグラウンドディング(RSVG)は、自然言語記述に基づく大規模空中画像における対象物体のローカライズを目的としている。 これらの記述はしばしば位置的手がかりに大きく依存しており、空間的推論においてMLLM(Multimodal Large Language Models)に固有の課題を提起している。 空間理解の高度化を図るために,textbfRSGround-R1 と呼ばれる推論誘導型位置認識後学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-01-29T12:35:57Z)
• OptiCorNet: Optimizing Sequence-Based Context Correlation for Visual Place Recognition [2.3093110834423616]
  本稿では,新しいシーケンスモデリングフレームワークOptiCorNetを提案する。 空間的特徴抽出と時間的差分を微分可能でエンドツーエンドのトレーニング可能なモジュールに統一する。 本手法は,季節的・視点的な変化に挑戦し,最先端のベースラインよりも優れる。
  論文  参考訳（メタデータ） (2025-07-19T04:29:43Z)
• Learning Scene-Level Signed Directional Distance Function with Ellipsoidal Priors and Neural Residuals [17.51160139116379]
  最近の研究は、ニューラルネットワークを用いて学習した占有率、符号付き距離、放射率の暗黙的な連続表現が、再構成の忠実性、効率、微分可能性に利点をもたらすことを示している。 本研究では,符号付き距離関数(SDDF)と呼ばれる符号付き距離の方向定式化について検討する。 SDDFは、再現精度とレンダリング効率の観点から、最先端のニューラル暗黙のシーンモデルと競合することを示す。
  論文  参考訳（メタデータ） (2025-03-25T21:01:05Z)
• Multi-Modality Driven LoRA for Adverse Condition Depth Estimation [61.525312117638116]
  逆条件深さ推定のためのMulti-Modality Driven LoRA(MMD-LoRA)を提案する。 Prompt Driven Domain Alignment (PDDA) と Visual-Text Consistent Contrastive Learning (VTCCL) の2つのコアコンポーネントで構成されている。 nuScenesとOxford RobotCarデータセットの最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2024-12-28T14:23:58Z)
• Continuity-Discrimination Convolutional Neural Network for Visual Object Tracking [150.51667609413312]
  本稿では,視覚オブジェクト追跡のためのContinuity-Discrimination Convolutional Neural Network (CD-CNN) という新しいモデルを提案する。 この問題に対処するため、cd-cnnは時間的遅れの概念に基づいた時間的外観連続性をモデル化する。 不正確なターゲットの定位とドリフトを緩和するために,新しい概念 object-centroid を提案する。
  論文  参考訳（メタデータ） (2021-04-18T06:35:03Z)
• Pose Discrepancy Spatial Transformer Based Feature Disentangling for Partial Aspect Angles SAR Target Recognition [11.552273102567048]
  本文は、合成開口レーダ(SAR)自動目標認識(ATR)のための新しいフレームワークであるDistSTNを提示する。 従来のSAR ATRアルゴリズムとは対照的に、DistSTNは非協調ターゲットのより困難な実用シナリオを検討している。 エンコーダデコーダ機構を用いて効率的な特徴抽出と認識を可能にする償却推論方式を開発する。
  論文  参考訳（メタデータ） (2021-03-07T11:47:34Z)
• Domain Adaptive Robotic Gesture Recognition with Unsupervised Kinematic-Visual Data Alignment [60.31418655784291]
  本稿では,マルチモダリティ知識,すなわちキネマティックデータとビジュアルデータを同時にシミュレータから実ロボットに伝達できる,教師なしドメイン適応フレームワークを提案する。 ビデオの時間的手がかりと、ジェスチャー認識に対するマルチモーダル固有の相関を用いて、トランスファー可能な機能を強化したドメインギャップを修復する。 その結果, 本手法は, ACCでは最大12.91%, F1scoreでは20.16%と, 実際のロボットではアノテーションを使わずに性能を回復する。
  論文  参考訳（メタデータ） (2021-03-06T09:10:03Z)

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。