論文の概要: DynCur-Geo: Dynamic Curiosity Reward Shaping for Multimodal Active Geo-Localization

• arxiv url: http://arxiv.org/abs/2608.18673v1
• Date: Wed, 19 Aug 2026 08:24:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-20 20:13:55.34219
• Title: DynCur-Geo: Dynamic Curiosity Reward Shaping for Multimodal Active Geo-Localization
• Title（参考訳）: DynCur-Geo:マルチモーダルアクティブジオローカライゼーションのための動的キュリオシティリワード整形
• Abstract要約: アクティブなジオローカライゼーションにより、低高度のUAVは、限られたローカル航空観測から特定の目標を探索することができる。 既存の好奇心駆動手法は、探索全体を通して固定された内因性逆戻り重みを割り当てる。 そこで我々はDynCur-Geoを提案する。DynCur-Geoは動的好奇心のフレームワークで、予測エラー固有の報酬を目標距離に応じて調整する。
• 参考スコア（独自算出の注目度）: 13.538716801280769
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Active geo-localization enables low-altitude UAVs to search for specified targets from limited local aerial observations, supporting time-sensitive applications such as search and rescue and emergency inspection. However, multimodal target cues, restricted views, and sparse feedback make it difficult to balance exploration with target convergence. Existing curiosity-driven methods assign a fixed intrinsic-reward weight throughout search, which can continue rewarding novelty after the agent nears the target and induce detours. We propose DynCur-Geo, a dynamic curiosity framework that adjusts prediction-error intrinsic reward according to remaining target distance. A distance-aware gate encourages early exploration and shifts the policy toward goal-directed behavior near the target, while potential-based reward shaping supplies dense progress guidance. Experiments across multimodal, cross-scene, disaster-affected, and long-range settings show consistent gains over active geo-localization baselines.
• Abstract（参考訳）: アクティブなジオローカライゼーションにより、低高度のUAVは、限定されたローカル航空観測から特定の目標を探索し、探索や救助、緊急検査などの時間依存性のアプリケーションをサポートすることができる。 しかし、マルチモーダルなターゲットキュー、制限されたビュー、スパースフィードバックは、探索と目標収束とのバランスを難しくする。 既存の好奇心駆動法では、探索全体を通して固定された内因性逆戻り重みを割り当てており、エージェントがターゲットに近づき、デトゥールを誘導した後も、新規性に報いることができる。 そこで我々はDynCur-Geoを提案する。DynCur-Geoは動的好奇心のフレームワークで、予測エラー固有の報酬を目標距離に応じて調整する。 距離対応ゲートは、早期探索を奨励し、目標に近い目標指向行動に向けてポリシーをシフトし、ポテンシャルベースの報酬形成は、密集した進捗誘導を提供する。 マルチモーダル、クロスシーン、災害の影響を受け、そして長距離設定における実験は、アクティブなジオローカライゼーションベースラインよりも一貫した利得を示している。

関連論文リスト

• MPPI-based Informative Trajectory Planning for Search and Capture of Drifting Targets with ASVs [0.8602553195689513]
  本稿では,ハイブリッド・プランニング・フレームワークを用いた漂流目標の探索と捕捉の問題に対処する。 プランナーは、長い水平線上の連続軌道を最適化することにより、運動レベルコマンドを直接生成する。 実験の結果、私たちのプランナーは選択した計画ベースラインよりも優れています。
  論文  参考訳（メタデータ） (2026-06-10T12:44:25Z)
• Learning to Wander: Improving the Global Image Geolocation Ability of LMMs via Actionable Reasoning [72.13218601075958]
  textbfWanderBenchは,具体的シナリオにおける行動可能な位置情報推論のための,最初のオープンアクセスグローバルジオロケーションベンチマークである。 我々は,下線Action of UnderlineThoughを用いた下線Geolocationフレームワークである textbfGeoAoT (Action of Thought) を提案する。 19個の大規模マルチモーダルモデルによる実験により、GeoAoTは動的環境におけるより優れた微細な局所化とより強力な一般化を実現することが示された。
  論文  参考訳（メタデータ） (2026-03-11T06:24:10Z)
• GeoExplorer: Active Geo-localization with Curiosity-Driven Exploration [24.01750902074338]
  アクティブジオローカライゼーション(Active Geo-localization, AGL)は、事前に定義された検索領域内のゴールをローカライズするタスクである。 現在の手法は距離に基づく報酬を伴う目標獲得強化学習問題としてAGLにアプローチしている。 固有報酬による好奇心駆動探索を取り入れたAGLエージェントGeoExplorerを提案する。
  論文  参考訳（メタデータ） (2025-07-31T20:23:25Z)
• NOVA: Navigation via Object-Centric Visual Autonomy for High-Speed Target Tracking in Unstructured GPS-Denied Environments [56.35569661650558]
  我々はNOVAというオブジェクト中心のフレームワークを導入し、ロバストな目標追跡と衝突認識ナビゲーションを可能にした。 グローバルマップを構築するのではなく、NOVAはターゲットの参照フレーム内での知覚、推定、制御を定式化する。 我々は,都市迷路や森林の小道,間欠的なGPS損失を伴う建物内の繰り返し遷移など,現実の挑戦的なシナリオにまたがってNOVAを検証する。
  論文  参考訳（メタデータ） (2025-06-23T14:28:30Z)
• GOMAA-Geo: GOal Modality Agnostic Active Geo-localization [49.599465495973654]
  エージェントが空中ナビゲーション中に観測された一連の視覚的手がかりを用いて、複数の可能なモダリティによって特定されたターゲットを見つけるという、アクティブなジオローカライゼーション(AGL)の課題を考察する。 GOMAA-Geo は、ゴールモダリティ間のゼロショット一般化のためのゴールモダリティアクティブなジオローカライゼーションエージェントである。
  論文  参考訳（メタデータ） (2024-06-04T02:59:36Z)
• Reinforcement Learning for Agile Active Target Sensing with a UAV [10.070339628481445]
  本稿では,情報トラジェクトリを計画するための深層強化学習手法を開発する。 ターゲット状態に対する現在の信念を活用し、高忠実度分類のための不正確なセンサーモデルを含む。 提案手法の特異な特徴は,真の目標分布から様々な量の偏差が生じることにある。
  論文  参考訳（メタデータ） (2022-12-16T01:01:17Z)
• SRRT: Exploring Search Region Regulation for Visual Object Tracking [58.68120400180216]
  探索領域規則追跡(SRRT)と呼ばれる新しい追跡パラダイムを提案する。 SRRTでは,各フレームに対して最適な探索領域を動的に推定するために,提案された探索領域レギュレータを適用している。 大規模なLaSOTベンチマークでは、SRRTはSiamRPN++とTransTをAUCの4.6%と3.1%で改善した。
  論文  参考訳（メタデータ） (2022-07-10T11:18:26Z)
• Tracking by Joint Local and Global Search: A Target-aware Attention based Approach [63.50045332644818]
  本研究では、ロバストな追跡のための局所的・グローバルな共同探索を行うための新たな目標認識型アテンション機構(TANet)を提案する。 具体的には、ターゲットオブジェクトパッチと連続ビデオフレームの特徴を抽出し、それらをデコーダネットワークに追従して、ターゲットを意識したグローバルアテンションマップを生成する。 追跡手順において、ロバストな追跡のための候補探索領域を探索することにより、ターゲット認識の注意を複数のトラッカーと統合する。
  論文  参考訳（メタデータ） (2021-06-09T06:54:15Z)
• Dynamic Attention guided Multi-Trajectory Analysis for Single Object Tracking [62.13213518417047]
  動的注意誘導型マルチ軌道追跡戦略を考案し,さらにダイナミクスを導入することを提案する。 特に、複数のターゲットテンプレートを含む動的外観モデルを構築し、それぞれが新しいフレーム内のターゲットを特定するのに独自の注意を払っています。 シーケンス全体にまたがった後、マルチ軌道選択ネットワークを導入し、トラッキング性能を向上させた最適な軌道を見つけます。
  論文  参考訳（メタデータ） (2021-03-30T05:36:31Z)
• Dynamic Subgoal-based Exploration via Bayesian Optimization [7.297146495243708]
  スパース・リワードナビゲーション環境における強化学習は困難であり、効果的な探索の必要性を生じさせる。 本稿では,動的サブゴールに基づく探索手法のクラスを効率的に探索する,費用対効果を考慮したベイズ最適化手法を提案する。 実験により、新しいアプローチは、多くの問題領域で既存のベースラインを上回っていることが示された。
  論文  参考訳（メタデータ） (2019-10-21T04:24:29Z)

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。