論文の概要: BioVLN: A Simulation Platform for Visual Language Navigation in Biomedical Laboratories

• arxiv url: http://arxiv.org/abs/2607.26914v1
• Date: Wed, 29 Jul 2026 13:44:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-30 21:06:25.693468
• Title: BioVLN: A Simulation Platform for Visual Language Navigation in Biomedical Laboratories
• Title（参考訳）: BioVLN: バイオメディカル研究所における視覚言語ナビゲーションのシミュレーションプラットフォーム
• Abstract要約: 実験室における視覚言語ナビゲーションエージェントの開発と評価のためのシミュレーションプラットフォームであるBioVLNを紹介する。 BioVLNは、それぞれの楽器の身体、周囲のクリアランス領域、使用可能な側の前方の操作領域の3つの領域を表現している。 その結果, 幾何探査は74.4～87.5%に到達し, 演算領域内の複数の有効な位置をサンプリングすることで, 83.3～92.5%に向上し, 不安全な近接性を低減できることがわかった。
• 参考スコア（独自算出の注目度）: 21.45755897337409
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Biomedical laboratory robots must navigate to instruments before performing experimental procedures. Existing embodied navigation platforms are designed for household environments and treat a target as an object center or an arbitrary nearby position. This representation is inadequate for laboratory instruments, which must be approached from their operating side while maintaining safe clearance from surrounding equipment. We introduce BioVLN, a simulation platform for developing and evaluating visual-language navigation agents in biomedical laboratories. BioVLN represents each instrument with three regions: its physical body, a surrounding clearance region, and an operation area in front of the usable side. This model is applied consistently to scene generation, target placement, navigation evaluation, and safety analysis, so success depends on reaching a position from which the instrument can be accessed. BioVLN supports procedural scene generation and manually designed environments, producing 47 scenes and 1667 episodes. Standardized navigation and reinforcement-learning interfaces enable trajectory collection and policy training. Experiments show that geometric exploration reaches 74.4--87.5% success, while sampling multiple valid positions in the operation area improves success to 83.3--92.5% and reduces unsafe proximity.
• Abstract（参考訳）: バイオメディカル・ラボラティカル・ロボットは、実験的な手順を実行する前に、機器にナビゲートする必要がある。 既存の実施型ナビゲーションプラットフォームは、家庭環境向けに設計され、ターゲットをオブジェクトセンタまたは任意の近傍位置として扱う。 この表現は、周辺機器からの安全確保を維持しながら、操作側からアプローチする必要がある実験機器には不十分である。 バイオメディカル・ラボラトリーにおける視覚言語ナビゲーションエージェントの開発と評価のためのシミュレーション・プラットフォームであるBioVLNを紹介した。 BioVLNは、それぞれの楽器の身体、周囲のクリアランス領域、使用可能な側の前方の操作領域の3つの領域を表現している。 このモデルは、シーン生成、目標配置、ナビゲーション評価、安全解析に一貫して適用されるので、成功は機器にアクセス可能な位置に到達することに依存する。 BioVLNは手続き的なシーン生成と手動でデザインされた環境をサポートし、47のシーンと1667のエピソードを生成する。 標準化されたナビゲーションと強化学習インタフェースは、軌道収集とポリシー訓練を可能にする。 実験の結果、幾何探査は74.4--87.5%の成功に到達し、また運用領域における複数の有効な位置をサンプリングすることで、83.3--92.5%の成功が向上し、安全でない近距離を減少させることがわかった。

関連論文リスト

• LabVLA: Grounding Vision-Language-Action Models in Scientific Laboratories [95.20367571157679]
  Vision-Language-Action (VLA) モデルは、記述されたプロトコルとロボット実行の間の1つの可能なインターフェースを提供する。 既存の政策は、主に家庭やテーブルトップのデモンストレーションに基づいて訓練されており、機器、透明な液体、または科学実験室で見られる固定されたプロトコルに遭遇することは滅多にない。 まず、Qwen3-VL-4B-インストラクションバックボーンアクションを学習する前に認識させ、フローマッチング後トレーニングを行い、次に知識絶縁下でDiTアクションエキスパートをアタッチする。
  論文  参考訳（メタデータ） (2026-06-11T17:03:53Z)
• LabBuilder: Protocol-Grounded 3D Layout Generation for Interactable and Safe Laboratory [93.63620478256063]
  本稿では,簡潔なテキスト仕様から3次元実験室レイアウトを生成し検証するエンドツーエンドシステムであるLabBuilderを提案する。 LabBuilderは、既存の最先端メソッドを大きく上回っている。
  論文  参考訳（メタデータ） (2026-05-04T07:24:56Z)
• MolmoSpaces: A Large-Scale Open Ecosystem for Robot Navigation and Manipulation [56.30931340537373]
  MolmoSpacesは、ロボットポリシーのベンチマークをサポートするための、完全にオープンなエコシステムである。 MolmoSpacesは230万以上の屋内環境で構成されている。 MolmoSpaces-Benchは8つのタスクのベンチマークスイートで、ロボットが私たちの多様なシーンとリッチな注釈付きオブジェクトと対話する。
  論文  参考訳（メタデータ） (2026-02-11T20:16:31Z)
• Self-Supervised Learning to Fly using Efficient Semantic Segmentation and Metric Depth Estimation for Low-Cost Autonomous UAVs [5.602128292727329]
  本稿では,制御室内環境下での小型UAVのための視覚のみの自律飛行システムを提案する。 このシステムは、セマンティックセグメンテーションと単眼深度推定を組み合わせることで、障害物回避、シーン探索、自律型安全な着陸操作を可能にする。 鍵となる革新は適応スケールファクターアルゴリズムであり、非メトリックな単眼深度予測を正確な距離測定に変換する。
  論文  参考訳（メタデータ） (2025-10-18T19:35:17Z)
• Vision-Based Localization and LLM-based Navigation for Indoor Environments [4.58063394223487]
  本研究では,大規模言語モデル(LLM)に基づくナビゲーションと視覚的ローカライゼーションを統合した屋内ローカライゼーションとナビゲーション手法を提案する。 このモデルは、制限された視聴条件下であっても、テストされた全てのウェイポイントに対して高い信頼性と96%の精度を実現した。 本研究は、オフザシェルフカメラと一般公開フロアプランを用いた、スケーラブルでインフラストラクチャフリーな屋内ナビゲーションの可能性を示す。
  論文  参考訳（メタデータ） (2025-08-11T15:59:09Z)
• LabUtopia: High-Fidelity Simulation and Hierarchical Benchmark for Scientific Embodied Agents [103.65422553044816]
  LabUtopiaは、一般化可能な推論可能なエンボディエージェントの開発を容易にするために設計された総合的なシミュレーションとベンチマークスイートである。 30の異なるタスクをサポートし、200以上のシーンと楽器の資産を含んでいる。 LabUtopiaは、科学的目的のエージェントにおける知覚、計画、制御の統合を促進する強力なプラットフォームを提供していることを実証する。
  論文  参考訳（メタデータ） (2025-05-28T17:50:53Z)
• ProcTHOR: Large-Scale Embodied AI Using Procedural Generation [55.485985317538194]
  ProcTHORは、Embodied AI環境の手続き的生成のためのフレームワークである。 ナビゲーション、アレンジメント、アーム操作のための6つの具体化されたAIベンチマークに対して、最先端の結果を実証する。
  論文  参考訳（メタデータ） (2022-06-14T17:09:35Z)
• Image-based Navigation in Real-World Environments via Multiple Mid-level Representations: Fusion Models, Benchmark and Efficient Evaluation [13.207579081178716]
  近年の学習に基づくナビゲーション手法では,エージェントのシーン理解とナビゲーション能力が同時に実現されている。 残念ながら、シミュレーターがナビゲーションポリシーを訓練する効率的なツールであるとしても、現実の世界に移動すると、結果のモデルは失敗することが多い。 可能な解決策の1つは、シーンの重要なドメイン不変性を含む中間レベルの視覚表現を備えたナビゲーションモデルを提供することである。
  論文  参考訳（メタデータ） (2022-02-02T15:00:44Z)
• Sim-to-Real Transfer for Vision-and-Language Navigation [70.86250473583354]
  本研究では,従来は目に見えなかった環境下でロボットを解放し,制約のない自然言語ナビゲーション指示に従うという課題について検討する。 VLN(Vision-and-Language Navigation)の課題に関する最近の研究は、シミュレーションにおいて大きな進歩を遂げている。 ロボット工学における本研究の意義を評価するため,シミュレーションで訓練されたVLNエージェントを物理ロボットに転送する。
  論文  参考訳（メタデータ） (2020-11-07T16:49:04Z)

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。