論文の概要: Latent World Models with Monotone Planning Costs for Image-Goal Navigation
- arxiv url: http://arxiv.org/abs/2608.09073v1
- Date: Mon, 10 Aug 2026 03:23:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-11 19:16:37.065495
- Title: Latent World Models with Monotone Planning Costs for Image-Goal Navigation
- Title（参考訳）: モノトーン計画コストを考慮した画像ゴールナビゲーションのための潜在世界モデル
- Abstract要約: 凍結したDINOファミリーエンコーダ上に構築された潜在世界モデルを提案し,それを2つの相補的目的で訓練する。
自動回帰的なロールアウト損失は、トレーニングとマルチステッププランニングロールアウトの間のギャップを減少させる。
モノトーンコストランキング(MCR)の損失は、より混乱したアクションシーケンスを直接的に促進し、より高い計画コストを受け取る。
- 参考スコア（独自算出の注目度）: 11.421277609989302
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Image-goal navigation with latent world models requires not only accurate future prediction, but also a planning cost that reliably ranks candidate action sequences. We define the cost as the cosine distance between the predicted future embedding and the goal embedding, and show that poor cost ordering can mislead sampling-based planners such as Cross-Entropy Method (CEM). To address this, we propose a latent world model built on a frozen DINO-family encoder and train it with two complementary objectives. An autoregressive rollout loss reduces the gap between training and multi-step planning rollouts, while a Monotone Cost Ranking (MCR) loss directly encourages increasingly perturbed action sequences to receive higher planning costs. We also study InfoNCE-based action-contrastive training and find that temporal permutation negatives distort the latent geometry and degrade planning performance. On the GNM navigation dataset, our method outperforms Navigation World Models (NWM), DINO-WM, OmniVLA, and NoMaD, achieving state-of-the-art image-goal navigation performance while reducing orientation error by $2.7\times$ over the same-encoder DINO WM baseline. We also deploy the model zero-shot on a physical robot, where it follows goal-directed paths in unseen indoor and outdoor environments.
- Abstract（参考訳）: 潜在世界モデルを用いた画像ゴールナビゲーションには、正確な将来の予測だけでなく、候補となるアクションシーケンスを確実にランク付けする計画コストも必要である。
我々は,コストを将来の埋込予測と目標埋込予測の余剰距離と定義し,低コスト注文がクロスエントロピー法(CEM)のようなサンプリングベースプランナーを誤解させる可能性があることを示す。
そこで我々は,凍結したDINOファミリーエンコーダ上に構築された潜在世界モデルを提案し,それを2つの相補的目的で訓練する。
自動回帰ロールアウトの損失は、トレーニングとマルチステップの計画ロールアウトのギャップを減らし、モノトーンコストランキング(MCR)の損失は、より複雑なアクションシーケンスを直接的に促進し、より高い計画コストを受け取る。
また、InfoNCEに基づく行動コントラスト訓練についても検討し、時間的置換陰性が潜時幾何学を歪め、計画性能を低下させることを示した。
GNMナビゲーションデータセットでは、ナビゲーションワールドモデル(NWM)、DINO-WM、OmniVLA、NoMaDよりも優れ、最先端の画像ナビゲーション性能を実現し、同一エンコーダDINO WMベースライン上での向き誤差を2.7\times$で削減する。
また、物理ロボットにゼロショットのモデルを配置し、未確認の屋内および屋外環境でゴール指向の経路をたどる。
関連論文リスト
- Task-to-Model Optimization for Enterprise LLM Coding Assistants: A Data-Driven Framework for Cost-Optimal Routing [5.00725149774706]
エンタープライズAIコーディングアシスタントは、相当な推論費用を発生させ、トークンコストの最小化は、再試行、エスカレーション、開発者待ち時間を含むと、エンドツーエンドコストの削減に失敗することが多い。
実運用におけるモデル選択を最適化するためのデータ駆動手法であるタスク・ツー・モデル最適化(T2MO)を提案する。
私たちは、各開発者セッションを、発見、分類、難易度を評価、プロダクション風のハーネスでベンチマークし、品質とレイテンシの制約の中でそれを完了できる最も安価なモデルにルーティングできるタスクとして扱います。
論文 参考訳（メタデータ） (2026-08-09T06:57:53Z) - Model Predictive Planner for UAV Navigation in Non-Convex Air Corridors [1.2617078020344616]
本研究は,UAV空洞の運動機構について述べる。
プランナーは、外部実現性を強制する混合整数追跡モデルに基づいている。
論文 参考訳（メタデータ） (2026-07-27T12:42:38Z) - RAVEN: Reinforcement-Adaptive Visibility-Graph Planning for Robust Humanoid Navigation with Collision-Free MPC [11.923992019929495]
本稿では,ロバストなヒューマノイドナビゲーションのための階層型強化学習フレームワークであるRAVENを提案する。
RAVENは、障害物インフレーションと関連するグラフパラメータを変更することで、可視グラフプランナーの幾何学的構成にRLを適用する。
その結果、障害物近傍でのオーバーシュートを低減し、狭い通路でのロバスト性を向上し、遅延と騒音下でのより信頼性の高い航法が示された。
論文 参考訳（メタデータ） (2026-07-17T07:23:54Z) - PLAN-S: Bridging Planning with Latent Style Dynamics for Autonomous Driving World Models [11.0972429896041]
本稿では,PLAN-S(PLANning with Latent Style dynamics)を提案する。
PLAN-Sは様々なコストマップを生成し、空間的に一貫した変動が異なる運転スタイルに一致している。
論文 参考訳（メタデータ） (2026-06-04T11:03:20Z) - Autoregressive End-to-End Planning with Time-Invariant Spatial Alignment and Multi-Objective Policy Refinement [15.002921311530374]
自動回帰モデルは、自動運転におけるエンドツーエンドの計画のための、強烈なベースラインである。
彼らのパフォーマンスは、過去の知覚データに将来の行動を条件にする必要があるため、時間的ミスアライメントによって制約される。
本稿では,初期環境特徴を一貫したエゴ中心のフレームに投影する時間不変アライメント(TISA)モジュールを提案する。
また、DPO(Direct Preference Optimization)を用いた多目的ポストトレーニングのステージを導入し、純粋な模倣を克服する。
論文 参考訳（メタデータ） (2025-09-25T09:24:45Z) - SCoTT: Strategic Chain-of-Thought Tasking for Wireless-Aware Robot Navigation in Digital Twins [78.53885607559958]
無線対応経路計画フレームワークであるSCoTTを提案する。
SCoTT は DP-WA* の2% 以内で経路ゲインを達成し, 連続的に短い軌道を生成できることを示す。
また,ガゼボシミュレーションにおいて,SCoTTをROSノードとして配置することにより,本手法の実用性を示す。
論文 参考訳（メタデータ） (2024-11-27T10:45:49Z) - Affordances-Oriented Planning using Foundation Models for Continuous Vision-Language Navigation [64.84996994779443]
本稿では,連続視覚言語ナビゲーション(VLN)タスクのためのAffordances-Oriented Plannerを提案する。
我々のAO-Plannerは、様々な基礎モデルを統合して、アベイランス指向の低レベルな動き計画とハイレベルな意思決定を実現する。
挑戦的なR2R-CEデータセットとRxR-CEデータセットの実験は、AO-Plannerが最先端のゼロショットのパフォーマンスを達成したことを示している。
論文 参考訳（メタデータ） (2024-07-08T12:52:46Z) - COPlanner: Plan to Roll Out Conservatively but to Explore Optimistically
for Model-Based RL [50.385005413810084]
ダイナスタイルのモデルベース強化学習には、ポリシー学習と実環境探索のためのサンプルを生成するモデルロールアウトという2つのフェーズが含まれる。
$textttCOPlanner$は、不正確な学習された動的モデル問題に対処するモデルベースのメソッドのための計画駆動フレームワークである。
論文 参考訳（メタデータ） (2023-10-11T06:10:07Z) - DDPEN: Trajectory Optimisation With Sub Goal Generation Model [70.36888514074022]
本稿では,エスケープネットワークを用いた微分動的プログラミング(DDPEN)を提案する。
本稿では,環境の入力マップとして,所望の位置とともにコストマップの形で利用する深層モデルを提案する。
このモデルは、目標に導く可能性のある将来の方向を生成し、リアルタイムに実行可能なローカルなミニマを避ける。
論文 参考訳（メタデータ） (2023-01-18T11:02:06Z) - SABER: Data-Driven Motion Planner for Autonomously Navigating
Heterogeneous Robots [112.2491765424719]
我々は、データ駆動型アプローチを用いて、異種ロボットチームをグローバルな目標に向けてナビゲートする、エンドツーエンドのオンラインモーションプランニングフレームワークを提案する。
モデル予測制御(SMPC)を用いて,ロボット力学を満たす制御入力を計算し,障害物回避時の不確実性を考慮した。
リカレントニューラルネットワークは、SMPC有限時間地平線解における将来の状態の不確かさを素早く推定するために用いられる。
ディープQ学習エージェントがハイレベルパスプランナーとして機能し、SMPCにロボットを望ましいグローバルな目標に向けて移動させる目標位置を提供する。
論文 参考訳（メタデータ） (2021-08-03T02:56:21Z) - End-to-end Interpretable Neural Motion Planner [78.69295676456085]
複雑な都市環境での自律走行学習のためのニューラルモーションプランナー(NMP)を提案する。
我々は,生lidarデータとhdマップを入力とし,解釈可能な中間表現を生成する全体モデルを設計した。
北米のいくつかの都市で収集された実世界の運転データにおける我々のアプローチの有効性を実証する。
論文 参考訳（メタデータ） (2021-01-17T14:16:12Z)
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。