論文の概要: NaviAIS: A Scenario-Level Vessel Trajectory Prediction Dataset withVectorized Lane Priors and the NaviLane Forecasting Framework

• arxiv url: http://arxiv.org/abs/2607.18887v1
• Date: Tue, 21 Jul 2026 09:15:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-22 19:05:05.383311
• Title: NaviAIS: A Scenario-Level Vessel Trajectory Prediction Dataset withVectorized Lane Priors and the NaviLane Forecasting Framework
• Title（参考訳）: NaviAIS:Vectorized Lane PreecastingとNaviLane Forecastingフレームワークを備えたシナリオレベルの船軌道予測データセット
• Abstract要約: 船舶軌道予測は交通管理、衝突警報、経路計画、自律航法に不可欠である。 公共のAIS資源の多くは、航法線、水路幾何学、航行可能な領域制約の構造化された表現を欠いている。 船舶軌道予測のための標準シナリオレベルのAISデータセットであるNaviAISを紹介する。 マップ認識予測のための階層的なマクロアクションフレームワークであるNaviLaneを提案する。
• 参考スコア（独自算出の注目度）: 17.236684865710938
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Vessel trajectory prediction in complex maritime environments is essential for traffic management, collision warning, route planning, and autonomous navigation. Although AIS-based learning methods have progressed rapidly, existing datasets are often released as raw message streams or irregular time series, with inconsistent sampling rates, noisy observations, heterogeneous coordinate systems, and non-unified scenario protocols. Most public AIS resources also lack structured representations of navigational lanes, waterway geometry, and navigable-region constraints, limiting reproducible, environment-aware forecasting. To address this, we introduce NaviAIS, a standardized scenario-level AIS dataset for vessel trajectory prediction. It organizes multi-vessel historical-future trajectories within unified temporal windows and local coordinate systems, and provides rasterized navigable maps, vectorized lane priors, lane graphs, and structured map representations. Compared with existing datasets, it jointly supports vectorized lanes, multi-scenario coverage, vectorized maps, open accessibility, and processed trajectories. Built on this dataset, we propose NaviLane, a hierarchical macro-action framework for map-aware prediction. NaviLane first performs trajectory-map joint encoding for a unified scene representation, then uses a discrete macro-action codebook to generate multimodal candidates coarse-to-refined. A residual refinement module improves local geometric and dynamical consistency, and a world-model-based consequence-aware evaluator ranks candidates by interaction risk and environmental feasibility. Experiments show NaviLane outperforms representative baselines in both single-modal and multimodal settings, confirming the value of structured navigational priors, hierarchical multimodal generation, and consequence-aware evaluation.
• Abstract（参考訳）: 複雑な海洋環境における船舶軌道予測は、交通管理、衝突警報、経路計画、自律航法に不可欠である。 AISベースの学習手法は急速に進歩しているが、既存のデータセットはしばしば生のメッセージストリームや不規則な時系列としてリリースされ、一貫性のないサンプリングレート、ノイズの観測、不均一な座標系、および非統一シナリオプロトコルがある。 公共のAIS資源の多くは、航法線、水路幾何学、航行可能な領域制約の構造化された表現がなく、再現可能で環境に配慮した予測が制限されている。 そこで我々は,船舶軌道予測のための標準シナリオレベルのAISデータセットであるNaviAISを紹介する。 統合された時間窓と局所座標系の中で、複数車両の歴史的軌跡を整理し、ラスタライズされたナビゲートマップ、ベクトル化されたレーン先行、レーングラフ、構造化された地図表現を提供する。 既存のデータセットと比較して、ベクトル化されたレーン、マルチシナリオカバレッジ、ベクトル化されたマップ、オープンアクセシビリティ、および処理されたトラジェクトリを共同でサポートする。 このデータセットに基づいて構築されたNaviLaneは、マップ認識予測のための階層的なマクロアクションフレームワークである。 NaviLaneはまず、統一されたシーン表現のためのトラジェクトリマップジョイントエンコーディングを行い、その後、個別のマクロアクションコードブックを使用して、マルチモーダル候補の粗大化を生成する。 残留洗練されたモジュールは局所的な幾何学的および動的整合性を改善し、世界モデルに基づく結果認識評価器は相互作用リスクと環境実現可能性によって候補をランク付けする。 実験により、NaviLaneは単一モードとマルチモーダルの両方で代表ベースラインを上回り、構造化されたナビゲーション先行値、階層的マルチモーダル生成、結果認識評価の値を確認する。

関連論文リスト

• CmIVTP: Cross-modal Interaction-based Vessel Trajectory Prediction for Maritime Intelligence [8.119468130391292]
  そこで本稿では, 船舶力学と環境制約の複雑な相互作用をモデル化するための, クロスモーダル相互作用に基づく船舶軌道予測フレームワーク(CmIVTP)を提案する。 CmIVTPはマルチモーダル駆動型船舶軌道予測ベンチマークでより良い性能を実現する。
  論文  参考訳（メタデータ） (2026-05-26T04:14:35Z)
• Beyond Matching to Tiles: Bridging Unaligned Aerial and Satellite Views for Vision-Only UAV Navigation [51.286599397552756]
  本稿では,UAVの絶対位置と近距離からの進路を共同で予測する視覚駆動型クロスビューナビゲーション手法であるBering-UAVを提案する。 我々はまた、クロスビューのローカライゼーションとナビゲーションを評価するベンチマークである Bearing-UAV-90k も提示する。
  論文  参考訳（メタデータ） (2026-03-23T16:17:39Z)
• AgentVLN: Towards Agentic Vision-and-Language Navigation [78.739525400071]
  VLN (Vision-and-Language Navigation) は、複雑な自然言語命令を、見えない環境での長距離ナビゲーションに接地するために、エンボディエージェントを必要とする。 本稿では,エッジコンピューティングプラットフォーム上に展開可能な,新規かつ効率的なナビゲーションフレームワークであるAgentVLNを提案する。
  論文  参考訳（メタデータ） (2026-03-18T12:43:47Z)
• Scaling Up Occupancy-centric Driving Scene Generation: Dataset and Method [54.461213497603154]
  作業中心の手法は、最近、フレームとモダリティをまたいだ一貫した条件付けを提供することで、最先端の結果を得た。 Nuplan-Occは、広く使われているNuplanベンチマークから構築された、これまでで最大の占有率データセットである。 高品質な占有、多視点ビデオ、LiDAR点雲を共同で合成する統合フレームワークを開発した。
  論文  参考訳（メタデータ） (2025-10-27T03:52:45Z)
• DAgger Diffusion Navigation: DAgger Boosted Diffusion Policy for Vision-Language Navigation [73.80968452950854]
  Vision-Language Navigation in Continuous Environments (VLN-CE) は、エージェントが自由形式の3D空間を通して自然言語の指示に従う必要がある。 既存のVLN-CEアプローチは通常、2段階のウェイポイント計画フレームワークを使用する。 本稿では,エンドツーエンド最適化VLN-CEポリシとしてDAgger Diffusion Navigation (DifNav)を提案する。
  論文  参考訳（メタデータ） (2025-08-13T02:51:43Z)
• Visual Trajectory Prediction of Vessels for Inland Navigation [42.81677042059531]
  本研究では,高度な物体検出手法を統合することで,映像に基づく容器追跡と予測の課題に対処する。 BoT-SORT、Deep OC-SORT、ByeTrackなどの追跡アルゴリズムの比較評価では、スムーズなトラジェクトリを提供する際のカルマンフィルタの堅牢性を強調している。 この結果は、内陸航法のためのカスタマイズされたデータセットとモデルの必要性を浮き彫りにした。
  論文  参考訳（メタデータ） (2025-05-01T15:31:15Z)
• PRET: Planning with Directed Fidelity Trajectory for Vision and Language Navigation [30.710806048991923]
  視覚と言語ナビゲーションは、エージェントが自然言語の指示に従ってナビゲートする必要があるタスクである。 近年の手法では、各ステップで構築されたトポロジーマップのサブゴールを予測し、長期的な行動計画を可能にする。 本稿では,指示と指向性軌道のアライメントを考慮し,ナビゲーション計画を容易にする方法を提案する。
  論文  参考訳（メタデータ） (2024-07-16T08:22:18Z)
• Incorporating Navigation Context into Inland Vessel Trajectory Prediction: A Gaussian Mixture Model and Transformer Approach [2.498836880652668]
  船舶の移動がフェアウェイ内で制限されている内陸輸送では、航行コンテキスト情報は不可欠である。 本研究では,多モード分布曲線を生成するためにAISと放電測定の融合データセットを適用した。 これらの分布特徴を組み込むことで予測精度が向上する。
  論文  参考訳（メタデータ） (2024-06-04T14:20:10Z)
• Learning to Predict Navigational Patterns from Partial Observations [63.04492958425066]
  本稿では,実環境におけるナビゲーションのパターンを,部分的な観察のみから推測する,初めての自己教師型学習(SSL)手法を提案する。 我々は、DSLPフィールドに最大極大グラフを適合させることにより、グローバルなナビゲーションパターンを推論する方法を実証する。 実験により,我々のSSLモデルはnuScenesデータセット上で2つのSOTA教師付きレーングラフ予測モデルより優れていることが示された。
  論文  参考訳（メタデータ） (2023-04-26T02:08:46Z)
• ENTL: Embodied Navigation Trajectory Learner [37.43079415330256]
  エンボディナビゲーションのための長いシーケンス表現を抽出する手法を提案する。 我々は,現在の行動に則った将来の状態のベクトル量子化予測を用いてモデルを訓練する。 提案手法の重要な特徴は、モデルが明示的な報酬信号なしで事前訓練されることである。
  論文  参考訳（メタデータ） (2023-04-05T17:58:33Z)
• Self-Supervised Representation Learning from Temporal Ordering of Automated Driving Sequences [49.91741677556553]
  本研究では、認識タスクのための地域レベルの特徴表現を事前学習するための時間順述前文タスクであるTempOを提案する。 我々は各フレームを、オブジェクト検出やトラッキングシステムにとって自然な表現である、未順序な特徴ベクトルのセットで埋め込む。 BDD100K、nu Images、MOT17データセットの大規模な評価は、私たちのTempO事前学習アプローチがシングルフレームの自己教師型学習方法よりも優れていることを示している。
  論文  参考訳（メタデータ） (2023-02-17T18:18:27Z)
• BEVBert: Multimodal Map Pre-training for Language-guided Navigation [75.23388288113817]
  視覚・言語ナビゲーション(VLN)における空間認識型マップベース事前学習パラダイムを提案する。 我々は,グローバルなトポロジカルマップにおけるナビゲーション依存性をモデル化しながら,不完全な観測を明示的に集約し,重複を取り除くための局所距離マップを構築した。 ハイブリッドマップをベースとして,マルチモーダルマップ表現を学習するための事前学習フレームワークを考案し,空間認識型クロスモーダル推論を強化し,言語誘導ナビゲーションの目標を導出する。
  論文  参考訳（メタデータ） (2022-12-08T16:27:54Z)

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。