論文の概要: DevGRU: Depth-guided Visual Navigation using a Collision-aware Recurrent Model

• arxiv url: http://arxiv.org/abs/2608.18470v1
• Date: Wed, 19 Aug 2026 02:55:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-20 20:13:55.260509
• Title: DevGRU: Depth-guided Visual Navigation using a Collision-aware Recurrent Model
• Title（参考訳）: DevGRU:Collision-Aware Recurrent Modelを用いた深度誘導型ビジュアルナビゲーション
• Abstract要約: 深度画像とポイントゴール条件ナビゲーションシステムDevGRUを提案する。 提案システムは,衝突を意識した将来の軌道を生成する行動予測器(AP)を用いる。 航法性能の面では、DevGRUはViNTとNoMaDを大きく上回っている。
• 参考スコア（独自算出の注目度）: 2.1155908599769764
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Existing visual navigation models often aim to develop foundation models that can generalize robot navigation across diverse platforms. However, many of these models are prone to collisions when deployed in complex indoor environments, particularly in structured layouts and narrow passages. To address this problem, we propose a depth image- and point-goal-conditioned navigation system, DevGRU. The proposed system employs an action predictor (AP) that generates collision-aware future trajectories, enabling effective avoidance of immediate obstacles. In conjunction with a collision predictor, the AP further compensates for errors accumulated in the goal pose estimation and proactively mitigates future deviations. To evaluate our method, we conducted experiments across nine different scenes and three state-of-the-art approaches - ViNT, NoMaD, and NavDP - as well as four additional variants of ViNT and NoMaD. In terms of navigation performance, DevGRU significantly outperforms ViNT and NoMaD by a large margin. In addition, the proposed model has a relatively small number of trainable parameters, resulting in the fastest inference time among the baselines, particularly outperforming NavDP by 7x in model size and 17x in inference time.
• Abstract（参考訳）: 既存のビジュアルナビゲーションモデルは、様々なプラットフォームでロボットナビゲーションを一般化できる基礎モデルを開発することを目的としている。 しかし、これらのモデルの多くは、複雑な屋内環境、特に構造的レイアウトや狭い通路において衝突しがちである。 この問題に対処するために,DevGRUという深度画像とポイントゴール条件付きナビゲーションシステムを提案する。 提案システムは,衝突を意識した将来の軌跡を生成する行動予測器(AP)を用いて,瞬時障害物の回避を可能にする。 衝突予測器と共に、APは目標に蓄積された誤差を更に補償し、将来の偏差を積極的に軽減する。 提案手法を評価するために,9つの異なるシーンと3つの最先端アプローチ (ViNT, NoMaD, NavDP) と,さらに4種類のViNT, NoMaDの変種を検討した。 航法性能の面では、DevGRUはViNTとNoMaDを大きく上回っている。 さらに,提案モデルではトレーニング可能なパラメータが比較的少ないため,ベースライン間の推論時間が最も速く,特にモデルサイズが7倍,推論時間が17倍である。

関連論文リスト

• Embodied-Navigator: Point, Think, Memorize, and Align for Efficient Navigation [68.02899606570223]
  本稿では,効率的なエンボディナビゲーションのための統合フレームワークであるTAMP-Navを提案する。 まず、ナビゲーションを2次元の視覚座標に再構成するPixel-to-3D Action Formulation(Point)を導入する。 次に,Selective Reasoning and Anchor-Trajectory Memory Mechanism (Think and Memorize)を提案する。
  論文  参考訳（メタデータ） (2026-08-18T08:37:08Z)
• VISTA: Scale-Aware Visual Navigation via Action History Conditioning [4.792216056979392]
  Vision Navigation Foundation Models (VNMs)は、ゼロショット展開が可能なエンドツーエンドの学習ナビゲーションポリシーを約束する。 現在のVNMは、特徴に欠ける視覚的に反復的な環境でしばしば苦労する。 本稿では, ゼロショット実世界の展開において, 100%目標予測精度を達成し, 配当外の環境に強固に一般化するVISTAを提案する。
  論文  参考訳（メタデータ） (2026-06-15T21:01:30Z)
• 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)
• PnP-Corrector: A Universal Correction Framework for Coupled Spatiotemporal Forecasting [62.22445401483844]
  既存の手法は複雑なエラーのボトルネックによって厳しく制約されている。 我々は-Cast-Corrector (Plug-and-Play Corrector)と呼ばれる普遍的なフレームワークを提案する。 本手法は,結合予測システムの長期安定性を著しく向上させる。
  論文  参考訳（メタデータ） (2026-05-09T13:12:33Z)
• NaviFormer: A Deep Reinforcement Learning Transformer-like Model to Holistically Solve the Navigation Problem [53.70554593151033]
  NaviFormerは、高レベル経路と低レベル軌道の両方を予測することによって、グローバルナビゲーション問題を解決する深層強化学習モデルである。 結果は,各サブプロブレムの制約や難易度を理解することができるため,NaviFormerの競合精度を示す。 計算速度が優れていることは、リアルタイムのミッションに適していることを証明している。
  論文  参考訳（メタデータ） (2026-04-18T11:32:34Z)
• Can Vision Foundation Models Navigate? Zero-Shot Real-World Evaluation and Lessons Learned [5.561294055181353]
  ビジュアルナビゲーションモデル(VNM)は、大規模な視覚的なデモンストレーションから学ぶことで、一般化可能なロボットナビゲーションを約束する。 室内と屋外にまたがる2つのロボットプラットフォームと5つの環境にまたがる5つの最先端VNMの現実的評価について述べる。
  論文  参考訳（メタデータ） (2026-03-26T22:04:49Z)
• 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)
• FOM-Nav: Frontier-Object Maps for Object Goal Navigation [65.76906445210112]
  FOM-Navはフロンティアオブジェクトマップと視覚言語モデルによる探索効率を高めるフレームワークである。 FOM-Navをトレーニングするために,実環境から大規模ナビゲーションデータセットを自動構築する。 FOM-NavはMP3DとHM3Dのベンチマーク、特にナビゲーション効率の指標SPLで最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2025-11-30T18:16:09Z)
• CARE: Enhancing Safety of Visual Navigation through Collision Avoidance via Repulsive Estimation [6.216878556851609]
  本稿では,学習に基づく視覚ナビゲーション手法の堅牢性を向上させるため,CARE(Collision Avoidance via Repulsive Estimation)を提案する。 CAREは、ローカルなロボット軌道を生成するRGBベースのナビゲーションモデルにシームレスに統合することができる。 我々は、様々なロボットプラットフォームにまたがる最先端のビジュアルナビゲーションモデルと統合することで、CAREを評価する。
  論文  参考訳（メタデータ） (2025-06-04T11:02:15Z)
• Waypoint Models for Instruction-guided Navigation in Continuous Environments [68.2912740006109]
  本稿では,言語条件付きウェイポイント予測ネットワークのクラスを開発し,この問題について検討する。 プロファイリングされたLoCoBotロボット上でのタスク性能と実行時間の推定を行う。 我々のモデルは、VLN-CEにおける以前の仕事を上回り、新しい最先端の技術を公衆のリーダーボードに置きました。
  論文  参考訳（メタデータ） (2021-10-05T17:55:49Z)

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。