論文の概要: Graph-MambaNav: Spatial-Temporal Graph Mamba Leveraging Object-Relation Knowledge for Object-Goal Navigation

• arxiv url: http://arxiv.org/abs/2608.13723v1
• Date: Thu, 13 Aug 2026 19:32:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-17 20:14:29.202425
• Title: Graph-MambaNav: Spatial-Temporal Graph Mamba Leveraging Object-Relation Knowledge for Object-Goal Navigation
• Title（参考訳）: Graph-MambaNav: オブジェクト目標ナビゲーションのためのオブジェクト関係知識を活用した空間時間グラフマンバ
• Abstract要約: Graph-Mamba氏は、シーケンス順序付けによるノードの優先順位付けが、効果的なグローバル推論にとって重要である点を強調している。 対象を意識した時空間グラフ符号化フレームワーク Graph-MambaNav を提案する。 AI2-THORとRobothorの実験では、一般化によるナビゲーション性能の向上が示されている。
• 参考スコア（独自算出の注目度）: 5.610476338639649
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Object-goal navigation requires an agent to reason over object relationships and prioritize target-relevant objects for efficient decision making in unseen environments. While existing graph-based methods incorporate target-awareness at the feature or attention level, they remain permutation-invariant and lack an explicit mechanism to control information propagation order, limiting their ability to model target-dependent importance and long-range dependencies. In contrast, Graph-Mamba highlights that node prioritization through sequence ordering is critical for effective global reasoning. In this work, we investigate the node prioritization mechanism in Graph-Mamba and study its role in object navigation. We propose Graph-MambaNav, a target-aware spatial-temporal graph encoding framework that introduces a heuristic ordering over objects based on their relevance to the target, allowing more informative objects to be processed later to aggregate richer context. Both node ordering and edge weights are initialized from LLM-derived commonsense object relationships, providing a unified prior for structured reasoning. A spatial module integrates local message passing with global GraphMamba-based selective scanning, while a temporal module applies Mamba-based sequence modeling over object-wise temporal orders, allowing selective aggregation of historical context for long-range temporal reasoning. Experiments on AI2-THOR and RoboTHOR demonstrate improved navigation performance with generalization, and additional real-world robot deployment further validates the effectiveness of our proposed approach.
• Abstract（参考訳）: オブジェクト-ゴールナビゲーションでは、エージェントがオブジェクトの関係を推論し、未確認環境における効率的な意思決定のためにターゲット関連オブジェクトを優先順位付けする必要がある。 既存のグラフベースの手法では、特徴や注目度にターゲット認識が組み込まれているが、それらは変分不変であり、情報伝達順序を制御するための明確なメカニズムが欠如しており、ターゲット依存の重要度と長距離依存をモデル化する能力が制限されている。 対照的に、Graph-Mambaは、シーケンス順序付けによるノード優先順位付けが効果的なグローバル推論にとって重要であることを強調している。 本研究では,グラフマンバにおけるノード優先化機構について検討し,オブジェクトナビゲーションにおけるその役割について検討する。 本稿では,対象物に対する関連性に基づいて対象物に対するヒューリスティックな順序付けを導入し,より情報的なオブジェクトを後から処理し,よりリッチなコンテキストを集約するグラフマンバナブを提案する。 ノード順序付けとエッジ重み付けは、LLM由来のコモンセンスオブジェクト関係から初期化され、構造化された推論のための統一された事前を提供する。 空間的モジュールは局所メッセージパッシングとグローバルなGraphMambaベースの選択的スキャンを統合し、時間的モジュールはオブジェクトの時間的順序に対してMambaベースのシーケンスモデリングを適用し、長距離時間的推論のための歴史的コンテキストの選択的集約を可能にする。 AI2-THORとRobothorの実験は、一般化によるナビゲーション性能の向上を実証し、提案手法の有効性をさらに検証した。

関連論文リスト

• SAGE-Nav: Leveraging LLM Planning and Alignment Fusion for Hierarchical Scene Graph-Guided Navigation [26.212246536363363]
  Object-Goal Navigation (Nav)は、エゴセントリックな視覚的観察のみを使用して、特定のターゲットを自律的に特定するエンボディエージェントを必要とする。 SAGE-Navは,Large Language Models(LLM)の推論機能と動的シーングラフを統合した,新しい階層型フレームワークである。 SAGE-Navは,物理ロボット展開に必要な低制御遅延を維持しつつ,ナビゲーション効率とゼロショット一般化の大幅な向上を実現していることを示す。
  論文  参考訳（メタデータ） (2026-06-24T07:24:39Z)
• Causal Object-Centric Models for Planning with Monte Carlo Tree Search [49.61977404247856]
  COMETはモンテカルロ木探索を行うモデルベース強化学習アルゴリズムである。 ポリシーとバリューヘッドは、学習されたスロットごとのレバレンススコアによってトークン間の相互作用を変調するオブジェクト・カウザリの注意を使用する。 COMETは、トレーニングの初期段階において、オブジェクト中心のベースラインやモノリシックなベースラインよりも平均正規化スコアが高い。
  論文  参考訳（メタデータ） (2026-06-12T12:55:25Z)
• TagaVLM: Topology-Aware Global Action Reasoning for Vision-Language Navigation [70.23578202012048]
  Vision-Language Navigation (VLN) は、アーキテクチャ上のミスマッチのため、大きなビジョン-Language Models (VLM) に固有の課題を提示している。 我々は,VLMのバックボーンにトポロジ構造を明示的に注入するエンドツーエンドフレームワークであるTagaVLM(トポロジ・アウェア・グローバルアクション推論)を提案する。 トポロジ的ノード情報を強化するため、Interleaved Navigation Promptはノードレベルのビジュアルテキストアライメントを強化する。 埋め込みトポロジグラフでは、このモデルはグローバルな行動推論が可能であり、堅牢な経路補正を可能にする。
  論文  参考訳（メタデータ） (2026-03-03T13:28:07Z)
• Nav-$R^2$ Dual-Relation Reasoning for Generalizable Open-Vocabulary Object-Goal Navigation [67.68165784193556]
  Nav-$R2$は、ターゲット環境モデリングと環境行動計画という2つのタイプの関係を明示的にモデル化するフレームワークである。 我々のSA-Memは、時間的・意味的両面から最も標的に関連し、現在の観測関連の特徴を保っている。 Nav-R2は、合理化され効率的なパイプラインを通して見えないオブジェクトをローカライズする、最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2025-12-02T04:21:02Z)
• Edge-Centric Relational Reasoning for 3D Scene Graph Prediction [74.19580969696898]
  3Dシーングラフ予測は、複雑な3D環境をオブジェクトとそのペア関係からなる構造化グラフに抽象化することを目的としている。 既存のアプローチでは、接続されたオブジェクトノードからメッセージを集約することで、関係エッジ機能を反復的に更新するオブジェクト中心のグラフニューラルネットワークが一般的である。 本稿では,オブジェクト認識融合を用いたリンク誘導エッジ中心関係推論フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-11-19T09:53:56Z)
• UNO: Unifying One-stage Video Scene Graph Generation via Object-Centric Visual Representation Learning [22.190757229228996]
  ビデオシーングラフ生成(VidSGG)は、オブジェクトを検出して時間的相互作用を構造化グラフとしてモデル化することにより、動的視覚コンテンツを表現することを目的としている。 UNO(Unified Object-centric VidSGG)は、エンド・ツー・エンドアーキテクチャ内の両方のタスクに共同で対処する単一のステージ統合フレームワークである。
  論文  参考訳（メタデータ） (2025-09-07T18:30:41Z)
• A Modern Take on Visual Relationship Reasoning for Grasp Planning [10.543168383800532]
  本稿では,視覚的リレーショナル推論による把握計画を提案する。 D3GDは、97の異なるカテゴリから最大35のオブジェクトを持つビンピックシーンを含む、新しいテストベッドである。 また、新しいエンドツーエンドのトランスフォーマーベースの依存性グラフ生成モデルであるD3Gを提案する。
  論文  参考訳（メタデータ） (2024-09-03T16:30:48Z)
• TAS: A Transit-Aware Strategy for Embodied Navigation with Non-Stationary Targets [55.09248760290918]
  非定常目標を持つ動的シナリオにおけるナビゲーションのための新しいアルゴリズムを提案する。 我々の新しいTAS(Transit-Aware Strategy)は、具体化されたナビゲーションポリシーをオブジェクトパス情報で強化する。 TASは、ターゲットルートとルートを同期させるエージェントを報酬することで、非定常環境での性能を改善する。
  論文  参考訳（メタデータ） (2024-03-14T22:33:22Z)
• Multi-Scene Generalized Trajectory Global Graph Solver with Composite Nodes for Multiple Object Tracking [61.69892497726235]
  複合ノードメッセージパッシングネットワーク(CoNo-Link)は、超長いフレーム情報を関連付けるためのフレームワークである。 オブジェクトをノードとして扱う従来の方法に加えて、このネットワークは情報インタラクションのためのノードとしてオブジェクトトラジェクトリを革新的に扱う。 我々のモデルは、合成ノードを追加することで、より長い時間スケールでより良い予測を学習することができる。
  論文  参考訳（メタデータ） (2023-12-14T14:00:30Z)
• Relation Regularized Scene Graph Generation [206.76762860019065]
  SGG(Scene Graph Generation)は、検出されたオブジェクトの上に構築され、オブジェクトのペアの視覚的関係を予測する。 本稿では,2つのオブジェクト間の関係を予測できる関係正規化ネットワーク(R2-Net)を提案する。 我々のR2-Netはオブジェクトラベルを効果的に洗練し、シーングラフを生成する。
  論文  参考訳（メタデータ） (2022-02-22T11:36:49Z)
• Dynamic Sequential Graph Learning for Click-Through Rate Prediction [29.756257920214168]
  本稿では,ユーザやアイテムに関連付けられたローカルサブグラフからの協調情報を活用することで,ユーザの表現を向上する新しい手法を提案する。 実世界のCTR予測ベンチマークの結果は、DSGLによってもたらされた改善を実証している。
  論文  参考訳（メタデータ） (2021-09-26T09:23:43Z)

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。