論文の概要: SSTG-Nav: Metric-Grounded Spatial-Semantic Topological Graphs for Reusable Object Navigation
- arxiv url: http://arxiv.org/abs/2608.00527v1
- Date: Sat, 01 Aug 2026 08:40:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-04 15:07:24.744219
- Title: SSTG-Nav: Metric-Grounded Spatial-Semantic Topological Graphs for Reusable Object Navigation
- Title（参考訳）: SSTG-Nav:再使用可能なオブジェクトナビゲーションのための空間意味トポロジグラフ
- Authors: Daojie Peng, Bingtao Wang, Jun Ma,
- Abstract要約: SSTG-Navは再利用可能なメートル法セマンティックメモリで、1回のサーベイを実行可能なオブジェクトゴールに変換する。
36シーンにわたる1000のHM3D-v2エピソードにおいて、私たちのゴールに依存しないトポロジーは99.4%の幾何学的成功天井を達成した。
- 参考スコア（独自算出の注目度）: 2.272547247667044
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Service robots operating for months in the same homes, offices, and facilities should become more reliable with experience instead of searching familiar space from scratch for every request. Yet ObjectNav is predominantly formulated as one-shot exploration, leaving a central deployment challenge unresolved: recognizing an object does not identify a reachable place to stop, and one confident map error can terminate the task. We introduce SSTG-Nav, a reusable metric-semantic memory that turns a one-time survey into actionable object goals, consolidates evidence across viewpoints, and retains spatially distinct recovery standoffs. On 1,000 HM3D-v2 episodes across 36 scenes, our goal-independent topology achieves a 99.4% geometric success ceiling. Holding semantic responses fixed, metric grounding raises SR/SPL from 0.835/0.560 to 0.920/0.603, and source-aware fusion reaches 0.926/0.586. Fusion-aware Top-3 recovery raises Success@1/2/3 to 0.928/0.965/0.975 and reaches 0.601 SPL@3. Model, field-of-view, density, and corruption controls identify where these gains originate, and a ROS2/Nav2 realization demonstrates the complete reusable query-to-execution pipeline. Together, the results establish pre-exploration as a powerful practical regime for dependable, repeated semantic navigation.
- Abstract（参考訳）: 同じ家庭、オフィス、施設で何ヶ月も稼働しているサービスロボットは、リクエストごとに見慣れたスペースをスクラッチから検索する代わりに、経験を積んで信頼性を高める必要がある。
しかし、ObjectNavは、主にワンショット探索として定式化されており、中心的なデプロイメントの課題を未解決のまま残している。
SSTG-Navは再利用可能なメートル法セマンティックメモリで、1回のサーベイを実行可能なオブジェクトゴールに変換し、視点をまたいでエビデンスを統合し、空間的に異なるリカバリの待機を維持します。
36シーンにわたる1000のHM3D-v2エピソードにおいて、私たちのゴールに依存しないトポロジーは99.4%の幾何学的成功天井を達成した。
意味的応答を固定し、計量基底はSR/SPLを0.835/0.560から0.920/0.603に引き上げ、ソース認識融合は0.926/0.586に達する。
フュージョン対応のTop-3リカバリでは、Success@1/2/3が0.928/0.965/0.975に上昇し、0.601 SPL@3に達する。
モデル、フィールド・オブ・ビュー、密度、汚職制御はこれらのゲインがどこから生まれたかを特定し、ROS2/Nav2の実現は完全な再利用可能なクエリ・ツー・エグゼクティブ・パイプラインを実証する。
実験の結果は、信頼性と反復的なセマンティックナビゲーションのための強力な実践的体系として、事前探索が確立された。
関連論文リスト
- Room-Mediated Co-occurrence for Zero-Shot Object-Centric Semantic Navigation via Frontier Scoring [3.9457043990895895]
ゼロショットのObjectNavメソッドは、視覚言語に先立って使われることが多いが、潜在空間における直接オブジェクトの類似性は、しばしば空間的共起の弱いプロキシである。
本稿では,コンパクトな部屋辞書を通じてオブジェクト関係を仲介する,分析・学習不要なセマンティックナビゲーションパイプラインを提案する。
論文 参考訳（メタデータ） (2026-07-28T08:36:26Z) - From Extraction to Navigation: Progressive Retrieval with Indirectly Infinite Depth [48.51564669100653]
我々は、ステートフルな自律グラフ探索として検索をモデル化するフレームワークIID-Navを提案する。
IID-Navは、厳格な遅延予算の下で、主流の検索ベースラインを超えることを示す。
論文 参考訳（メタデータ） (2026-06-29T08:47:17Z) - Efficient Visual Pointing for Embodied AI:Agent-Driven Data Synthesis, Cross-Block Attention, and Iterative Correction [55.11480729304395]
PointArena 2026は77.2%の精度でベンチマークで2位である。
ap proachは3つの障害モードをターゲットにしている。第一に、エージェント駆動のシンセシスは大きなセマンティクスとアンカー相対的な候補プールを構築する。
次に、determinis tic steerable-dataパイプラインは、認証された10,000サンプルのメインセットと、マスク、テンプレート、パス検証を使用するリザーブサンプルを生成する。
論文 参考訳（メタデータ） (2026-06-29T06:39:03Z) - Imagine2Real: Towards Zero-shot Humanoid-Object Interaction via Video Generative Priors [51.096845970243855]
高忠実度3Dデータの不足により,全体Humanoid-Object Interaction (HOI) がボトルネックとなる。
本研究では,ゼロショットHOIフレームワークであるImagine2Realを提案する。
論文 参考訳（メタデータ） (2026-05-21T10:15:39Z) - Can LLM Agents Respond to Disasters? Benchmarking Heterogeneous Geospatial Reasoning in Emergency Operations [55.251494694783894]
災害対応エージェントベンチマーク(DORA)は、エンド・ツー・エンドの災害対応のための最初のエージェントベンチマークである。
タスクは、災害認識、空間関係分析、救助・避難計画、時間的進化推論、マルチモーダルレポート合成という、災害対応パイプラインをカバーする5つの次元にまたがる。
DORAは、運用上の信頼性の高い災害対応エージェントのための厳格なテストベッドを確立する。
論文 参考訳（メタデータ） (2026-05-12T06:57:41Z) - ConsistNav: Closing the Action Consistency Gap in Zero-Shot Object Navigation with Semantic Executive Control [20.155796585668607]
ConsistNavは、トレーニング不要のゼロショットObjectNavフレームワークで、3つの調整済みモジュールからなるセマンティックエグゼクティブを中心に構築されている。
我々はHM3DとMP3Dの実験を行い、ConsistNavは結果を達成し、SRを11.4%改善し、SPLを7.9%改善した。
論文 参考訳（メタデータ） (2026-05-11T01:51:45Z) - ReMemNav: A Rethinking and Memory-Augmented Framework for Zero-Shot Object Navigation [35.416693138335354]
ゼロショットオブジェクトナビゲーションでは、エージェントは未知のターゲットオブジェクトを未知の環境で見つける必要がある。
視覚言語モデルの最近の進歩は、このタスクに有望な常識推論機能を提供する。
本稿では,パノラマ的セマンティック先行とエピソード記憶をシームレスに統合するReMemNavという新しい階層型ナビゲーションフレームワークを提案する。
論文 参考訳（メタデータ） (2026-03-25T09:07:32Z) - RoboTracer: Mastering Spatial Trace with Reasoning in Vision-Language Models for Robotics [53.053660003572965]
本稿では,3次元空間参照と計測の両方を初めて実現した3D対応VLMであるRoboTracerを提案する。
RoboTracerは、強化微調整により、多段階のメートル法推論を進める。
本稿では,空間的トレーシングを評価する上で困難なベンチマークであるTraceSpatial-Benchを提案する。
論文 参考訳（メタデータ） (2025-12-15T18:52:43Z) - When Engineering Outruns Intelligence: Rethinking Instruction-Guided Navigation [10.827213515727996]
最近のObjectNavシステムは、大きなゼロショットゲインに対して大きな言語モデル(LLM)を信用している。
我々は,インストラクション誘導パイプラインであるInstructNavを再評価することにより,この問題を再考する。
論文 参考訳（メタデータ） (2025-07-26T17:37:15Z)
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。