論文の概要: G2-Nav: Grounded and Guarded Vision-Language Costmaps for Robot Social Navigation
- arxiv url: http://arxiv.org/abs/2607.16956v1
- Date: Sat, 18 Jul 2026 20:18:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-21 18:48:37.309841
- Title: G2-Nav: Grounded and Guarded Vision-Language Costmaps for Robot Social Navigation
- Title(参考訳): G2-Nav:ロボットのソーシャルナビゲーションのためのグラウンドとガード付きビジョンランゲージのコストマップ
- Abstract要約: 社会的なナビゲーションには、ロボットが複雑な現実世界の環境で推論し、応答する必要がある。
G2-Navは、抽象的な社会的推論を基盤とし、安全な実世界展開を支援する新しいフレームワークである。
我々は、G2-Navが非構造化環境で安全で効率的で社会的に適合した自律ナビゲーションを提供する実世界の実験を通して実証する。
- 参考スコア(独自算出の注目度): 28.188751747297715
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Social navigation requires the robot to reason and respond in complex real-world environments. While recent works attempt to incorporate human-level intelligence into robot planning using large Vision-Language Models (VLMs), end-to-end frameworks often create an unpredictable black-box, and existing instruction-following methods are not designed for full autonomy. To bridge this gap, we present G2-Nav, a novel framework that grounds abstract social reasoning and guards safe real-world deployment. Instead of asking the VLM for direct planning decisions, G2-Nav translates its semantic reasoning into a vision-language costmap with reliability and interpretability. The VLM evaluates traversable regions and social agents from open-set perception, mapping social context into the costmap. To improve real-world robustness, the VLM performs semantic verification on upstream tracking, and we introduce a high-frequency safety check to guard against system latency prior to trajectory generation. We demonstrate through real-world experiments that G2-Nav delivers safe, efficient, and socially compliant autonomous navigation in unstructured environments. Code will be made publicly available.
- Abstract(参考訳): 社会的なナビゲーションには、ロボットが複雑な現実世界の環境で推論し、応答する必要がある。
近年の研究では、人間レベルのインテリジェンスを大きなビジョンランゲージモデル(VLM)を使ってロボット計画に組み込もうとしているが、エンドツーエンドのフレームワークはしばしば予測不可能なブラックボックスを作成し、既存の命令フォロー方法は完全な自律性のために設計されていない。
このギャップを埋めるために、G2-Navという、抽象的な社会的推論の基礎となる新しいフレームワークを紹介します。
直接計画決定をVLMに依頼する代わりに、G2-Navは、その意味論的推論を信頼性と解釈性を備えた視覚言語コストマップに変換する。
VLMは、移動可能な地域と社会的エージェントをオープンセットの認識から評価し、社会的コンテキストをコストマップにマッピングする。
実世界のロバスト性を改善するため,VLMは上流追尾におけるセマンティックな検証を行い,トラジェクトリ生成に先立ってシステム遅延を回避するために,高周波安全チェックを導入する。
我々は、G2-Navが非構造化環境で安全で効率的で社会的に適合した自律ナビゲーションを提供する実世界の実験を通して実証する。
コードは公開されます。
関連論文リスト
- From Language to Navigation Goals: A Vision-Language Approach for Semantic Navigation of Mobile Robots Using RGB-D Perception [42.903763223989536]
本研究は,移動ロボットによる自然言語によるユーザ要求の解釈を可能にする,言語駆動ナビゲーションフレームワークを提案する。
このフレームワークは、自然言語命令をナビゲーションアクションに変換するために協力するモジュール型のROS 2コンポーネントで構成されている。
その結果、フレームワークは直接コマンドとコンテキスト要求の両方をうまく解釈し、有意義な自然言語フィードバックを生成し、所望の目標に向かってナビゲートすることがわかった。
論文 参考訳(メタデータ) (2026-07-15T09:15:21Z) - Vision-Language Models for Deployable Social Robot Navigation: Bridging Semantic Reasoning and Low-Level Control [27.669648439283936]
社会ロボットナビゲーション(SRN)は、社会的に従順な行動を生成するために、人間の意図、社会的規範、文脈的手がかりを理解する必要がある。
ビジョン・ランゲージ・モデル(VLM)の最近の進歩は、SRNに新たな機会をもたらしている。
Surveyは、信頼性があり、社会的に準拠し、デプロイ可能なVLM対応ナビゲーションシステムを構築するための基盤を提供することを目指している。
論文 参考訳(メタデータ) (2026-06-27T06:32:47Z) - Walk With Me: Long-Horizon Social Navigation for Human-Centric Outdoor Assistance [70.01362005983516]
Walk with Me(ウォーク・ウィズ・ミー、ウォーク・ウィズ・ミー、ウォーク・ウィズ・ミー、ウォーク・ウィズ・ミー)は、高レベルの人間の指示による長期の社会ナビゲーションのための地図のないフレームワークである。
セマンティックインテントの接地、地図のないロングホライゾン計画、安全を意識した推論、低レベルのアクション生成を組み合わせる。
論文 参考訳(メタデータ) (2026-04-29T16:02:13Z) - 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) - AutoFly: Vision-Language-Action Model for UAV Autonomous Navigation in the Wild [62.47761809929869]
視覚言語ナビゲーション(VLN)は、視覚的観察とともに言語指示を解釈することで、知的エージェントが環境をナビゲートする必要がある。
無人航空機(UAV)の現在のVLN研究は、所定のルートに沿ってUAVを誘導するための詳細な指示に依存している。
本稿では,自律型UAVナビゲーションのためのエンド・ツー・エンドのビジョン・ランゲージ・アクションモデルであるAutoFlyを提案する。
論文 参考訳(メタデータ) (2026-02-10T11:08:07Z) - SocialNav-SUB: Benchmarking VLMs for Scene Understanding in Social Robot Navigation [32.75496547879437]
ダイナミックで人間中心の環境でのソーシャルナビゲーションには、堅牢なシーン理解に基づく社会的に適合した決定が必要である。
近年のビジョン・ランゲージ・モデル (VLM) は、社会ロボットナビゲーションの曖昧な要求に沿う有望な能力を示している。
本稿では,ソーシャルナビゲーションシーン理解ベンチマーク(SocialNav-SUB)を紹介する。
論文 参考訳(メタデータ) (2025-09-10T16:47:00Z) - Hyp2Nav: Hyperbolic Planning and Curiosity for Crowd Navigation [58.574464340559466]
我々は,群集ナビゲーションを実現するための双曲学習を提唱し,Hyp2Navを紹介した。
Hyp2Navは双曲幾何学の本質的な性質を活用し、ナビゲーションタスクにおける意思決定プロセスの階層的性質をよりよく符号化する。
本稿では, 効果的なソーシャルナビゲーション, 最高の成功率, 複数シミュレーション設定におけるリターンをもたらす, 双曲型ポリシーモデルと双曲型好奇性モジュールを提案する。
論文 参考訳(メタデータ) (2024-07-18T14:40:33Z) - Commonsense Reasoning for Legged Robot Adaptation with Vision-Language Models [81.55156507635286]
脚のついたロボットは、様々な環境をナビゲートし、幅広い障害を克服することができる。
現在の学習手法は、人間の監督を伴わずに、予期せぬ状況の長い尾への一般化に苦慮することが多い。
本稿では,VLM-Predictive Control (VLM-PC) というシステムを提案する。
論文 参考訳(メタデータ) (2024-07-02T21:00:30Z) - 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) - CorNav: Autonomous Agent with Self-Corrected Planning for Zero-Shot Vision-and-Language Navigation [73.78984332354636]
CorNavは視覚・言語ナビゲーションのための新しいゼロショットフレームワークである。
将来の計画の見直しや行動調整のための環境フィードバックが組み込まれている。
ゼロショットマルチタスク設定ですべてのベースラインを一貫して上回る。
論文 参考訳(メタデータ) (2023-06-17T11:44:04Z) - ETPNav: Evolving Topological Planning for Vision-Language Navigation in
Continuous Environments [56.194988818341976]
視覚言語ナビゲーションは、エージェントが環境中をナビゲートするための指示に従う必要があるタスクである。
本研究では,1)環境を抽象化し,長距離航法計画を生成する能力,2)連続環境における障害物回避制御能力の2つの重要なスキルに焦点を当てたETPNavを提案する。
ETPNavは、R2R-CEとRxR-CEデータセットの先行技術よりも10%以上、20%改善されている。
論文 参考訳(メタデータ) (2023-04-06T13:07:17Z)
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。