論文の概要: IMPRINT: Image-Conditioned Query Enrichment for Long-Tail Object Goal Navigation
- arxiv url: http://arxiv.org/abs/2607.25106v1
- Date: Mon, 27 Jul 2026 22:09:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-29 20:50:42.639913
- Title: IMPRINT: Image-Conditioned Query Enrichment for Long-Tail Object Goal Navigation
- Title(参考訳): IMPRINT:ロングテールオブジェクトゴールナビゲーションのためのイメージコンディションクエリエンリッチメント
- Abstract要約: Embodied AIは、ゼロショットオブジェクトゴールナビゲーション(ObjectNav)を可能にするために、事前訓練された視覚言語モデルから構築されたクエリ可能なセマンティックマップにますます依存している。
IMPRINTは、ウェブソース画像によるテキストオブジェクトクエリを充実させ、クエリ可能なマップのグラウンド化を改善するゼロショットフレームワークである。
本稿では,Habitat Synthetic Scenesをベースとした新しいObjectNavベンチマークであるHSSD-rareについて述べる。
- 参考スコア(独自算出の注目度): 13.183204553352802
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Embodied AI increasingly relies on queryable semantic maps built from pre-trained vision-language models to enable zero-shot Object Goal Navigation (ObjectNav). However, existing approaches typically depend on text-only queries, which become less reliable as semantic specificity increases toward fine-grained object categories. We introduce IMPRINT, a zero-shot plug-and-play framework that enriches textual object queries with web-sourced images to improve grounding in queryable maps. Retrieved images are encoded using a vision-language model, matched against the semantic map to produce similarity maps, and aggregated to yield context-aware localization. Notably, this requires no training or modification of the underlying navigation policy. To explicitly evaluate long-tail behavior, we present HSSD-rare, a new ObjectNav benchmark built on Habitat Synthetic Scenes and featuring semantically specific subcategories. Across both OVON and HSSD-rare, image-conditioned queries consistently improve object grounding and yield end-to-end navigation gains. Further analysis reveals that translating localization gains to navigation performance depends critically on downstream detection quality, highlighting a key systems bottleneck in long-tail embodied navigation.
- Abstract(参考訳): Embodied AIは、ゼロショットのObject Goal Navigation(ObjectNav)を可能にするために、事前トレーニングされた視覚言語モデルから構築されたクエリ可能なセマンティックマップにますます依存している。
しかし、既存のアプローチは典型的にはテキストのみのクエリに依存し、細粒度オブジェクトカテゴリへのセマンティックな特異性の増加に伴って信頼性が低下する。
IMPRINTはゼロショットのプラグイン・アンド・プレイフレームワークで、ウェブソース画像によるテキストオブジェクトクエリを強化し、クエリ可能なマップのグラウンド化を改善する。
検索された画像は、視覚言語モデルを用いて符号化され、セマンティックマップにマッチして類似性マップを生成し、集約してコンテキスト認識のローカライゼーションを生成する。
特に、基礎となるナビゲーションポリシーのトレーニングや修正は必要ありません。
HSSD-rareはHabitat Synthetic Scenes上に構築され,意味特異的なサブカテゴリを特徴とする新しいObjectNavベンチマークである。
OVONとHSSD-rareの両方で、画像条件付きクエリは一貫してオブジェクトのグラウンド化を改善し、エンドツーエンドのナビゲーションゲインを得る。
さらに分析した結果,ナビゲーション性能へのローカライゼーション向上は下流検出の品質に大きく依存しており,長い尾の具体化ナビゲーションにおける重要なシステムのボトルネックが強調されている。
関連論文リスト
- Instance-Enriched Semantic Maps for Visual Language Navigation [9.24074870738429]
Visual Language Navigationは、インボディードエージェントが自然言語命令に従うことで複雑な環境をナビゲートできるようにすることを目的としている。
既存のシステムは、複雑な屋内環境での信頼性の高いナビゲーションを制限し、多様なユーザクエリに対して、インスタンスレベルのオブジェクトの詳細と堅牢性を欠いている。
本稿では,3つの重要なコントリビューションを持つ統合フレームワークであるインスタンス拡張セマンティックマップを提案する。
論文 参考訳(メタデータ) (2026-07-14T11:09:48Z) - Nav-$R^2$ Dual-Relation Reasoning for Generalizable Open-Vocabulary Object-Goal Navigation [67.68165784193556]
Nav-$R2$は、ターゲット環境モデリングと環境行動計画という2つのタイプの関係を明示的にモデル化するフレームワークである。
我々のSA-Memは、時間的・意味的両面から最も標的に関連し、現在の観測関連の特徴を保っている。
Nav-R2は、合理化され効率的なパイプラインを通して見えないオブジェクトをローカライズする、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) (2025-12-02T04:21:02Z) - MLFM: Multi-Layered Feature Maps for Richer Language Understanding in Zero-Shot Semantic Navigation [25.63797039823049]
LangNavはオープンソースのマルチオブジェクトナビゲーションデータセットで、自然言語のゴール記述がある。
MLFMは、事前訓練された視覚言語機能からクエリ可能な多層セマンティックマップを構築する。
LangNavの実験では、MLFMは最先端のゼロショットマッピングベースのナビゲーションベースラインを上回っている。
論文 参考訳(メタデータ) (2025-07-09T21:46:43Z) - Semantic Environment Atlas for Object-Goal Navigation [12.057544558656035]
エンボディエージェントの視覚ナビゲーション能力を高めるために,セマンティック環境アトラス (SEA) を導入した。
SEAは様々な環境からの複数のセマンティックマップを統合し、場所-対象関係の記憶を保持する。
本手法は, 現状よりも12.4%向上した39.0%を達成できるが, 騒音・作動条件下では頑健性も維持できる。
論文 参考訳(メタデータ) (2024-10-05T00:37:15Z) - Prioritized Semantic Learning for Zero-shot Instance Navigation [2.537056548731396]
我々はゼロショットのインスタンスナビゲーションについて研究し、エージェントはトレーニングにオブジェクトアノテーションを使わずに特定のオブジェクトにナビゲートする。
本稿では,ナビゲーションエージェントのセマンティック理解能力を向上させるために,優先度付き意味学習(PSL)手法を提案する。
我々のPSLエージェントは、0ショットのObjectNavにおいて、0ショットのObjectNavを66%上回り、新しいInstanceNavタスクよりも優れている。
論文 参考訳(メタデータ) (2024-03-18T10:45:50Z) - Instance-aware Exploration-Verification-Exploitation for Instance ImageGoal Navigation [88.84058353659107]
インスタンスイメージゴールナビゲーション(IIN)は、探索されていない環境でゴールイメージによって表現された指定されたオブジェクトにナビゲートすることを目的としている。
本稿では、インスタンスレベルの画像目標ナビゲーションのための新しいモジュール型ナビゲーションフレームワーク、Exploration-Verification-Exploitation (IEVE)を提案する。
我々の手法は従来の最先端の手法を超越し、古典的セグメンテーションモデル(0.684対0.561成功)またはロバストモデル(0.702対0.561成功)を用いる。
論文 参考訳(メタデータ) (2024-02-25T07:59:10Z) - Object Goal Navigation with Recursive Implicit Maps [92.6347010295396]
対象目標ナビゲーションのための暗黙的な空間マップを提案する。
提案手法は, 挑戦的なMP3Dデータセット上での技量を著しく上回る。
我々は、実際のロボットにモデルをデプロイし、実際のシーンでオブジェクトゴールナビゲーションの結果を奨励する。
論文 参考訳(メタデータ) (2023-08-10T14:21:33Z) - Learning Navigational Visual Representations with Semantic Map
Supervision [85.91625020847358]
エージェントの自我中心のビューとセマンティックマップを対比してナビゲーション固有の視覚表現学習法を提案する。
Ego$2$-Map学習は、オブジェクト、構造、遷移などのコンパクトでリッチな情報を、ナビゲーションのためのエージェントのエゴセントリックな表現に転送する。
論文 参考訳(メタデータ) (2023-07-23T14:01:05Z) - Weakly-Supervised Multi-Granularity Map Learning for Vision-and-Language
Navigation [87.52136927091712]
我々は,ロボットエージェントが言語指導によって記述された経路をたどって,環境の中をナビゲートするよう訓練する,現実的かつ困難な問題に対処する。
高精度かつ効率的なナビゲーションを実現するためには,環境オブジェクトの空間的位置と意味情報の両方を正確に表現した地図を構築することが重要である。
より包括的にオブジェクトを表現するために,オブジェクトの細粒度(色,テクスチャなど)とセマンティッククラスの両方を含む多粒度マップを提案する。
論文 参考訳(メタデータ) (2022-10-14T04:23:27Z) - Semantic Image Alignment for Vehicle Localization [111.59616433224662]
単眼カメラからのセマンティックセグメンテーションを用いた高密度セマンティックマップにおける車両位置推定手法を提案する。
既存の視覚的ローカライゼーションアプローチとは対照的に、システムは追加のキーポイント機能、手作りのローカライゼーションランドマーク抽出器、高価なLiDARセンサーを必要としない。
論文 参考訳(メタデータ) (2021-10-08T14:40:15Z) - Learning hierarchical relationships for object-goal navigation [7.074818959144171]
室内におけるナビゲーションのためのメモリ利用共同階層型物体学習(MJOLNIR)を提案する。
MJOLNIRはターゲット駆動ナビゲーションアルゴリズムであり、ターゲットオブジェクトと周囲に存在するより健全なコンテキストオブジェクトの間に固有の関係を考察する。
我々のモデルは、よく知られた過適合問題に悩まされることなく、他のアルゴリズムよりもはるかに早く収束することを学ぶ。
論文 参考訳(メタデータ) (2020-03-15T04:01:09Z)
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。