論文の概要: Uncertainty-Aware World Model for Aerial Image-Goal Navigation

• arxiv url: http://arxiv.org/abs/2608.05597v1
• Date: Thu, 06 Aug 2026 04:43:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-07 17:43:06.699346
• Title: Uncertainty-Aware World Model for Aerial Image-Goal Navigation
• Title（参考訳）: 航空画像ナビゲーションのための不確かさを意識した世界モデル
• Abstract要約: 不確実性認識ナビゲーションワールドモデル(英: Uncertainty-Aware Navigation World Model、UA-NWM)は、空中画像ゴールナビゲーションのための効率的な潜在世界モデルである。 予測-ゴールの相違を不確実で説明不能なコンポーネントに分解する。 推論レイテンシを低く保ちながら、既存のナビゲーションワールドモデルより一貫して優れています。
• 参考スコア（独自算出の注目度）: 49.01078106635952
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Aerial image-goal navigation requires an unmanned aerial vehicle (UAV) to reach a target location specified by a goal image. Existing world-model-based methods rank candidate trajectories using predicted futures, but typically rely on only one or a few point predictions, which is inadequate for large-scale outdoor environments with substantial future-state uncertainty. To address this limitation, we propose the Uncertainty-Aware Navigation World Model (UA-NWM), an efficient latent world model for aerial image-goal navigation, which formulates trajectory scoring as conditional out-of-distribution detection. UA-NWM represents plausible futures with an uncertainty subspace and decomposes the prediction--goal discrepancy into uncertainty-explainable and unexplainable components. Only the unexplainable residual is used for scoring, enabling robust selection without multiple future samples. Extensive experiments demonstrate that UA-NWM consistently outperforms existing navigation world models while maintaining low inference latency. Real-world UAV experiments further validate its practical applicability. Project page: https://duryi.github.io/UA-NWM-Project-Page
• Abstract（参考訳）: 航空画像-ゴールナビゲーションでは、無人航空機(UAV)が目標画像によって指定された目標地点に到達する必要がある。 既存の世界モデルに基づく手法では、予測された未来を使って候補軌跡をランク付けするが、通常は1つか数点の予測しか頼りにしない。 この制限に対処するために, 軌道評価を条件付きアウト・オブ・ディストリビューション検出として定式化する, 空中画像ナビゲーションのための効率的な潜時世界モデルUncertainty-Aware Navigation World Model (UA-NWM) を提案する。 UA-NWMは、不確実な部分空間を持つ有望な未来を表し、予測-ゴールの不一致を不確実で説明不能なコンポーネントに分解する。 説明不能残差のみがスコアリングに使われ、将来の複数のサンプルなしで堅牢な選択が可能である。 大規模な実験により、UA-NWMは推論レイテンシを低く保ちながら、既存のナビゲーションワールドモデルより一貫して優れていることが示された。 現実のUAV実験は、その実用性をさらに検証する。 プロジェクトページ: https://duryi.github.io/UA-NWM-Project-Page

関連論文リスト

• WorldFly: A World-Model-Based Vision-Language-Action Model for UAV Navigation [42.8714305455232]
  将来の状態を「想像」する能力は、そのような部分的な可観測性の下での堅牢な意思決定に不可欠である、と我々は主張する。 We propose WorldFly, a novel world-model-based VLA framework that using a dual-branch linked flow matching mechanism to jointly generate future video predictions and navigation action。
  論文  参考訳（メタデータ） (2026-06-04T13:23:05Z)
• WAM-Nav: Asymmetric Latent World-Action Modeling for Unified Visual Navigation [31.539730066120374]
  視覚ナビゲーションは、複雑な幾何学的および物理的制約の下で滑らかで衝突のない軌道を生成する必要がある。 WAM-Navは,視覚ナビゲーションを具体化した潜在世界行動モデルであり,行動生成と潜時視予知を共同で学習する。
  論文  参考訳（メタデータ） (2026-06-03T14:05:19Z)
• WorldMAP: Bootstrapping Vision-Language Navigation Trajectory Prediction with Generative World Models [32.71152441572375]
  視覚言語モデル(VLM)とジェネレーティブワールドモデル(ジェネレーティブワールドモデル)は、ナビゲーションを具現化する新たな機会を開きつつある。 本稿では,世界モデルが生み出す未来を永続的な意味空間構造に変換するフレームワークWorldMAPについて述べる。
  論文  参考訳（メタデータ） (2026-04-09T08:21:58Z)
• 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)
• 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)
• Aerial World Model for Long-horizon Visual Generation and Navigation in 3D Space [48.19308247102762]
  本稿では,過去のフレームや行動に照らされた将来の視覚的観察を予測する航空ナビゲーションワールドモデルANWMを提案する。 ANWMは4-DoF UAV軌道で訓練され、物理学にインスパイアされたモジュールであるFuture Frame Projectionを導入した。 実験により、ANWMは長距離視覚予測において既存の世界を著しく上回り、大規模環境でのUAV航法成功率を向上させることが示された。
  論文  参考訳（メタデータ） (2025-12-26T06:22:39Z)
• Unified Uncertainty-Aware Diffusion for Multi-Agent Trajectory Modeling [13.993231805213354]
  U2Diff(英語版)は、軌道の完備化を扱うために設計された、テキストを融合した拡散モデルである。 また、後処理にランクニューラルネットワークを導入し、生成されたモード毎にtextbferror の確率推定を可能にする。 本手法は,4つの挑戦的スポーツデータセットの軌跡完了と予測において,最先端のソリューションよりも優れる。
  論文  参考訳（メタデータ） (2025-03-24T11:46:58Z)
• UnitedVLN: Generalizable Gaussian Splatting for Continuous Vision-Language Navigation [71.97405667493477]
  我々は,UnitedVLNと呼ばれる,新しい汎用3DGSベースの事前学習パラダイムを導入する。 エージェントは、高忠実度360度ビジュアルイメージとセマンティック特徴を統一してレンダリングすることで、将来の環境をよりよく探索することができる。 UnitedVLNは既存のVLN-CEベンチマークで最先端の手法より優れている。
  論文  参考訳（メタデータ） (2024-11-25T02:44:59Z)
• Angle Robustness Unmanned Aerial Vehicle Navigation in GNSS-Denied Scenarios [66.05091704671503]
  本稿では、ポイントツーポイントナビゲーションタスクにおける飛行偏差に対処する新しい角度ナビゲーションパラダイムを提案する。 また、Adaptive Feature Enhance Module、Cross-knowledge Attention-guided Module、Robust Task-oriented Head Moduleを含むモデルを提案する。
  論文  参考訳（メタデータ） (2024-02-04T08:41:20Z)

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。