論文の概要: OpenBelief-Nav: Evidence-Preserving Object Memory for Open-Vocabulary Language-Guided Navigation
- arxiv url: http://arxiv.org/abs/2608.13923v1
- Date: Fri, 14 Aug 2026 03:50:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-17 20:14:29.260319
- Title: OpenBelief-Nav: Evidence-Preserving Object Memory for Open-Vocabulary Language-Guided Navigation
- Title（参考訳）: OpenBelief-Nav:オープン語彙言語ガイドナビゲーションのための証拠保存オブジェクトメモリ
- Abstract要約: 言語誘導ナビゲーションのためのエビデンス保存オブジェクトメモリOpenBelief-Navを提案する。
完全可視射影は0.2742と0.2912のmIoUスコアを達成するが、一致した早期コミットの読み出しは0.2393と0.2701である。
78のHM3D-YCBナビゲーショントライアル、コンセンサス、早期コミット検索がそれぞれ60/78で成功している。
- 参考スコア（独自算出の注目度）: 8.958453198182985
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Open-vocabulary 3D scene graphs provide compact semantic memory for language-guided navigation, but mapped objects are often exposed through a single fused feature or committed semantic label. Such commitment can remove minority yet task-relevant hypotheses from the task-time interface. We present OpenBelief-Nav, an evidence-preserving object memory that retains observation-level phrases, reliability cues, and frame-mask provenance while maintaining separate aggregate geometric and visual representations. Semantically related phrases are consolidated into a vocabulary-independent object belief from which task-specific readouts perform fixed-vocabulary projection or free-form retrieval. On five ScanNet200 and eight Replica scenes, full-belief projection achieves mIoU scores of 0.2742 and 0.2912, compared with 0.2393 and 0.2701 for a matched early-commit readout. Across 78 HM3D-YCB navigation trials, consensus and early-commit retrieval each achieve 60/78 successes, compared with 58/78 for belief-weighted retrieval and 55/78 for DualMap. Across 20 Unitree G1 runs organized as 10 matched evaluation cases, a correction policy permitting at most two verified candidate attempts improves target-confirmation success from 6/10 to 8/10 relative to top-1-only execution. Code will be released upon acceptance at https://openbelief-nav.github.io/.
- Abstract（参考訳）: オープン語彙の3Dシーングラフは、言語誘導ナビゲーションのためのコンパクトなセマンティックメモリを提供するが、マップされたオブジェクトは単一のフューズされた特徴やコミットされたセマンティックラベルによって露出されることが多い。
このようなコミットメントは、タスク時間インターフェースから少数だがタスク関連仮説を取り除くことができる。
我々は,観察レベルのフレーズ,信頼性キュー,フレームマスクの証明を保持できるエビデンス保存オブジェクトメモリであるOpenBelief-Navを,個別の幾何学的および視覚的表現を維持しながら提示する。
意味的に関連するフレーズを語彙に依存しないオブジェクトの信念に統合し、タスク固有の読み出しが固定語彙投影や自由形式の検索を行う。
5つのScanNet200と8つのReplicaのシーンでは、フルビリーフプロジェクションはmIoUスコアが0.2742と0.2912であり、マッチした早期コミットの読み出しでは0.2393と0.2701である。
78 HM3D-YCBナビゲーショントライアル、コンセンサス、早期コミット検索はそれぞれ60/78の成功を達成し、信仰重み付き検索では58/78、DualMapでは55/78となった。
20個のユニツリーG1が10個の一致した評価ケースとして編成され、少なくとも2つの検証された候補試みが許容される補正ポリシーは、トップ-1のみの実行に対して、目標確認成功を6/10から8/10に改善する。
コードはhttps://openbelief-nav.github.io/で公開される。
関連論文リスト
- When Generated Images Look Right and Retrieve Wrong: Coverage-Guided Cross-Scale Re-Indexing for Knowledge-Faithful Generative Perception [12.968836079025344]
本稿では,3段階のセマンティックピラミッドを構築するクローズドループマルチモーダルインデックスフレームワークCERESを提案する。
同言語対応ルータを通じて暗黙的な概念をマイニングし、スケールロートなクロスアテンションを軽量なU-Netジェネレータに実行し、生成した画像を同じ凍結VLMで再インデックスすることでカバレッジを検証する。
7つの設定にまたがる4つのパンシャープベンチマークでは、CERESは、スケールの変動が最も極端である最大のゲインを持つ、新しい最先端のアートを提供する。
論文 参考訳（メタデータ） (2026-08-21T07:28:01Z) - VisDocAgentBench: Benchmarking Agents for Visually Rich Document Retrieval [65.89247522243959]
VisDocAgentBenchは、静的検索とエージェント検索を比較したクローズドコーパスベンチマークである。
100の文書から2,375ページ、120のユニークなターゲットクエリが直接、一橋、二橋のエビデンス構造でバランスを取っている。
強力な遅延対話型ビジュアルレトリバーは、直接アイテムで97.50%のRecall@1に達するが、2ブリッジアイテムでは2.50%に達し、関連性がコーパスコンテキストに依存する場合のクエリ-ターゲットマッチングの限界を明らかにする。
論文 参考訳（メタデータ） (2026-08-18T15:23:06Z) - FaLCon: Facet-Anchored Retrieval with Late Consensus for Sim2Real Text-Based Person Anomaly Search [0.8609344172589112]
テキストベースの人物異常検索では、詳細な自然言語記述から現実世界の歩行者画像を取得する必要がある。
このSim2Real設定は、視覚的に類似した候補が微妙なアクション、オブジェクトのインタラクション、外観属性でのみ異なる可能性があるため、特に難しい。
本稿では,大域的意味マッチングと細粒度検証を組み合わせたアンカー制約付き粗粒度検索フレームワークを提案する。
論文 参考訳（メタデータ） (2026-08-10T11:42:52Z) - SSTG-Nav: Metric-Grounded Spatial-Semantic Topological Graphs for Reusable Object Navigation [2.272547247667044]
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。
論文 参考訳（メタデータ） (2026-08-01T08:40:04Z) - ConvMemory v3: A Validity Context Layer for Conversational Memory via Target-Conditioned Relation Verification [0.0]
ConvMemory v3では、この更新エビデンスを検出し、サーフェスする妥当性コンテキスト層が追加されている。
コアメカニズムは、特定のターゲット命題に関する関係判断を条件とする二重証拠ゲートである。
合成マルチホップ検証ベンチマークでは、ゲートの精度は90.12% +/- 1.73である。
論文 参考訳（メタデータ） (2026-06-25T08:36:43Z) - Rethinking Embodied Navigation via Relational Inductive Bias [53.72276435022479]
本稿では,DB-Navを提案する。
標的中心の関係を活性化バイアスと抑制バイアスに分類する。
成功率(SR)と成功率(SPL)はパス長さ(SPL)が重み付けされているため、既存の方法よりも著しく優れています。
論文 参考訳（メタデータ） (2026-06-09T02:57:34Z) - Beyond Similarity Search: Tenure and the Case for Structured Belief State in LLM Memory [0.0]
クロスセッションメモリは状態管理の問題であり、検索の問題ではない。
テンチュアは、精度優先の検索を通じて、全てのLDMセッションにキュレートされたコンテキストを注入する。
論文 参考訳（メタデータ） (2026-05-11T23:22:36Z) - Domain-Adaptive and Scalable Dense Retrieval for Content-Based Recommendation [0.0]
本稿では,Amazon Reviews 2023 (Fashion) サブセットを微調整した2-towerバイエンコーダをベースとした,スケーラブルな高密度検索システムを提案する。
我々は、レビューテキスト(クエリプロキシとして)とアイテムメタデータ(ポジティブドキュメントとして)からトレーニングペアを構築し、500トークンの最大シーケンス長で50,000のサンプルインタラクションを微調整する。
826,402のカタログ項目に対するレビュー・ツー・タイトルのベンチマークでは、Recall@10が0.26(BM25)から0.66に改善されました。
論文 参考訳（メタデータ） (2026-01-31T20:58:23Z) - Telling Left from Right: Identifying Geometry-Aware Semantic Correspondence [80.6840060272386]
本稿では,意味的対応のための幾何学的認識の重要性を明らかにする。
この情報を活用することで,意味的対応性能が著しく向上することを示す。
提案手法は,SPair-71kデータセット上で,65.4(ゼロショット)と85.6(教師)のPCK@0.10スコアを達成する。
論文 参考訳（メタデータ） (2023-11-28T18:45:13Z) - CoDet: Co-Occurrence Guided Region-Word Alignment for Open-Vocabulary
Object Detection [78.0010542552784]
CoDetはオープン語彙オブジェクト検出のためのオブジェクトレベルの視覚言語表現を学習するための新しいアプローチである。
共有概念に言及するイメージをキャプションにグループ化することにより、共有概念に対応するオブジェクトは、高い共起性を示す。
CoDetは、オープン語彙検出において優れたパフォーマンスと魅力的なスケーラビリティを持っている。
論文 参考訳（メタデータ） (2023-10-25T14:31:02Z) - Prompt Pre-Training with Twenty-Thousand Classes for Open-Vocabulary
Visual Recognition [48.556096839557895]
POMPは、視覚言語計算モデルのための即時事前学習手法である。
メモリと効率が良いため、POMPは学習したプロンプトによって、豊富な視覚概念のセットに意味情報を凝縮することを可能にする。
一度事前訓練すると、強い伝達能力を持つプロンプトは、様々な視覚認識タスクに直接接続できる。
論文 参考訳（メタデータ） (2023-04-10T16:45:30Z) - DetCLIP: Dictionary-Enriched Visual-Concept Paralleled Pre-training for
Open-world Detection [118.36746273425354]
本稿では,デザインされた概念辞書から知識の豊かさを生かして,オープンワールド検出のための並列視覚概念事前学習手法を提案する。
概念をそれらの記述で豊かにすることにより、オープンドメイン学習を促進するために、さまざまな概念間の関係を明確に構築する。
提案フレームワークは、例えばLVISデータセット上で、強力なゼロショット検出性能を示し、私たちのDetCLIP-TはGLIP-Tを9.9%向上させ、レアカテゴリで13.5%改善した。
論文 参考訳（メタデータ） (2022-09-20T02:01:01Z) - Meta-Learning with Variational Semantic Memory for Word Sense
Disambiguation [56.830395467247016]
メタ学習環境におけるWSDのセマンティックメモリモデルを提案する。
我々のモデルは階層的変動推論に基づいており、ハイパーネットワークを介して適応的なメモリ更新ルールを組み込んでいる。
極めて少ないシナリオでの効果的な学習を支援するために,本モデルがWSDで最先端の技術を数ショットで実現していることを示す。
論文 参考訳（メタデータ） (2021-06-05T20:40:01Z) - Words aren't enough, their order matters: On the Robustness of Grounding
Visual Referring Expressions [87.33156149634392]
視覚的参照表現認識のための標準ベンチマークであるRefCOgを批判的に検討する。
83.7%のケースでは言語構造に関する推論は不要である。
比較学習とマルチタスク学習の2つの手法を提案し,ViLBERTのロバスト性を高める。
論文 参考訳（メタデータ） (2020-05-04T17:09:15Z)
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。