論文の概要: DaViNCi: A Dataset Towards Outdoor Vision-and-Language Navigation with Continuous Actions and Dynamic Elements

• arxiv url: http://arxiv.org/abs/2608.11901v1
• Date: Wed, 12 Aug 2026 10:27:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-13 19:07:54.555779
• Title: DaViNCi: A Dataset Towards Outdoor Vision-and-Language Navigation with Continuous Actions and Dynamic Elements
• Title（参考訳）: DaViNCi: 継続的なアクションと動的要素を備えた屋外視覚・言語ナビゲーションに向けたデータセット
• Abstract要約: DaViNCiは、継続的要因と動的要因の両方を同時に導入する最初のデータセットである。 その結果,DAViNCiにおける成功率は,従来のデータセットと比較して,離散環境において10%以上減少した。
• 参考スコア（独自算出の注目度）: 5.681036666247311
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Vision-and-Language Navigation (VLN) has progressively expanded from indoor to outdoor environments. However, existing outdoor VLN datasets still rely on fixed discrete topological graphs for construction. It fails to align with the rapidly changing real-world outdoor environments and impedes the sim-to-real transfer of VLN agents. To address this limitation, we propose DaViNCi (\textbf{D}yn\textbf{a}mic \textbf{Vi}sion-and-Language \textbf{N}avigation in \textbf{C}ont\textbf{i}nuous Environment), the first outdoor VLN dataset that simultaneously introduces both continuous and dynamic factors. The agent not only moves in the outdoor environment using continuous actions but is also required to handle unpredictable dynamic elements. The dataset encompasses six distinct maps with a total of 6,933 trajectories. Through comprehensive comparative experiments, we find that the success rate on DaViNCi decreased by more than 10\% in discrete environments compared to previous datasets. And there is an even greater decline in continuous settings, demonstrating the challenge of DaViNCi. Furthermore, we clarify the impact of action granularity and dynamic elements. These results demonstrate the practical value of DaViNCi in advancing outdoor VLN toward more realistic environments. The website is https://xzh0312.github.io/DaViNCi/.
• Abstract（参考訳）: VLN(Vision-and-Language Navigation)は、屋内環境から屋外環境へと徐々に拡大している。 しかし、既存の屋外VLNデータセットは、構築のために固定された離散位相グラフに依存している。 これは、急速に変化する現実世界の屋外環境と一致せず、VLNエージェントのシムから現実への移動を妨げる。 この制限に対処するため,DaViNCi (\textbf{D}yn\textbf{a}mic \textbf{Vi}sion-and-Language \textbf{N}avigation in \textbf{C}ont\textbf{i}nuous Environment)を提案する。 エージェントは、連続的なアクションを使用して屋外環境を移動させるだけでなく、予測不可能な動的要素の処理も必要である。 データセットは6つの異なる地図を含み、合計6,933の軌跡がある。 総合的な比較実験により,DAViNCiにおける成功率は,従来のデータセットと比較して,離散環境において10倍以上減少していることがわかった。 そして、DaViNCiの課題を示す連続的な設定がさらに減少しています。 さらに,作用粒度と動的要素の影響を明らかにした。 これらの結果は、より現実的な環境に向けて屋外VLNを進める上でのDaViNCiの実践的価値を示している。 ウェブサイトはhttps://xzh0312.github.io/DaViNCi/。

関連論文リスト

• IndoorUAV: Benchmarking Vision-Language UAV Navigation in Continuous Indoor Environments [21.821075450697027]
  Vision-IndoorLanguage Navigation (VLN)は、視覚的な観察に基づく自然言語命令に従うことで、エージェントが複雑な環境でのナビゲーションを可能にする。 室内のUAVベースのVLNは、検査、配送、捜索・救助といった現実世界の応用に関係があるにもかかわらず、未調査のままである。 室内UAVを用いたVLNに適した新しいベンチマークと手法である textbfIndoorUAV を紹介する。
  論文  参考訳（メタデータ） (2025-12-22T04:42:35Z)
• LookOut: Real-World Humanoid Egocentric Navigation [61.14016011125957]
  本稿では,エゴセントリックな映像から将来の6Dヘッドポーズの列を予測するという課題を紹介する。 この課題を解決するために,時間的に集約された3次元潜伏特徴を考慮に入れた枠組みを提案する。 この分野のトレーニングデータが不足していることから,このアプローチを通じて収集されたデータセットを提示する。
  論文  参考訳（メタデータ） (2025-08-20T06:43:36Z)
• World-Consistent Data Generation for Vision-and-Language Navigation [33.13590164890286]
  VLN(Vision-and-Language Navigation)は、自然言語の指示に従って、エージェントがフォトリアリスティックな環境をナビゲートする必要がある課題である。 VLNの主な障害はデータの不足であり、目に見えない環境における一般化性能の低下につながる。 多様性と世界整合性の両方を満たす効率的なデータ拡張フレームワークである世界整合データ生成(WCGEN)を提案する。
  論文  参考訳（メタデータ） (2024-12-09T11:40:54Z)
• 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)
• Amirkabir campus dataset: Real-world challenges and scenarios of Visual Inertial Odometry (VIO) for visually impaired people [3.7998592843098336]
  上記の問題に対処し,ナビゲーションシステムを改善するために,Amirkabirキャンパスデータセット(AUT-VI)を導入する。 AUT-VIは17の異なる場所で126の異なる配列を持つ、新しくて超混成的なデータセットである。 進行中の開発作業のサポートとして、データキャプチャ用のAndroidアプリケーションを一般向けにリリースしました。
  論文  参考訳（メタデータ） (2024-01-07T23:13:51Z)
• Sim-2-Sim Transfer for Vision-and-Language Navigation in Continuous Environments [22.884134539590868]
  本稿では, VLN の抽象環境から VLN-CE の連続環境へのエージェントの移動について述べる。 この移行は非常に効果的であり,先行技術よりも+12%の成功率の向上が期待できる。 このことは、この方向の可能性を示しているが、転送は抽象的な設定でエージェントの本来のパフォーマンスを完全に保持していない。
  論文  参考訳（メタデータ） (2022-04-20T17:57:11Z)
• Analyzing Generalization of Vision and Language Navigation to Unseen Outdoor Areas [19.353847681872608]
  視覚と言語ナビゲーション(VLN)は、視覚的な言語理解の課題である。 室内のVLNとは対照的に、未確認データに対する屋外VLNの利得の大部分は、ジャンクション型埋め込みやデルタの向きといった特徴によるものである。 これらの結果は,VLNタスクの大規模化と地理的環境の多様性を要求され,都市環境のグラフ表現に偏っていることを示している。
  論文  参考訳（メタデータ） (2022-03-25T18:06:14Z)
• Airbert: In-domain Pretraining for Vision-and-Language Navigation [91.03849833486974]
  ビジョン・アンド・ランゲージナビゲーション(VLN)は、エンボディエージェントが自然言語命令を使って現実的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。 近年の方法は、VLN剤の一般化を改善するための事前学習である。 大規模かつ多様なドメイン内VLNデータセットであるBnBを紹介する。
  論文  参考訳（メタデータ） (2021-08-20T10:58:09Z)
• Vision-Language Navigation with Random Environmental Mixup [112.94609558723518]
  視覚言語ナビゲーション(VLN)タスクは、視覚的な観察を認識し、自然言語の命令を解釈しながら、エージェントがステップバイステップでナビゲートする必要がある。 従来の研究では、データのバイアスを減らすために様々なデータ拡張手法が提案されている。 本研究では,混成環境を介し,相互接続された住宅シーンを付加データとして生成するランダム環境混成(REM)手法を提案する。
  論文  参考訳（メタデータ） (2021-06-15T04:34:26Z)
• Multimodal Text Style Transfer for Outdoor Vision-and-Language Navigation [71.67507925788577]
  本稿では,屋外ナビゲーションタスクのためのマルチモーダルテキストスタイル変換(MTST)学習手法を提案する。 まず、Google Maps APIで生成された命令のスタイルを転送し、拡張された外部ナビゲーションデータセットでナビゲータを事前訓練することで、ナビゲーションデータを強化します。 実験結果から, MTST学習手法はモデルに依存しないことが明らかとなり, MTSTアプローチは屋外VLNタスクのベースラインモデルよりも有意に優れていた。
  論文  参考訳（メタデータ） (2020-07-01T04:29:07Z)
• Counterfactual Vision-and-Language Navigation via Adversarial Path Sampling [65.99956848461915]
  VLN(Vision-and-Language Navigation)は、エージェントが目標を達成するために3D環境を移動する方法を決定するタスクである。 VLNタスクの問題点の1つは、対話型環境において、人間に注釈を付けた指示で十分なナビゲーションパスを収集することは困難であるため、データの不足である。 本稿では,低品質な拡張データではなく,効果的な条件を考慮可能な,対向駆動の反実的推論モデルを提案する。
  論文  参考訳（メタデータ） (2019-11-17T18:02:51Z)

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。