論文の概要: ODG-NoMaD: Overhead-Camera Direction-Guided NoMaD

• arxiv url: http://arxiv.org/abs/2608.21395v1
• Date: Mon, 03 Aug 2026 08:19:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-31 05:49:59.226868
• Title: ODG-NoMaD: Overhead-Camera Direction-Guided NoMaD
• Title（参考訳）: ODG-NoMaD:Overhead-Camera Direction-Guided NoMaD
• Abstract要約: NoMaD[31]は,目標条件付きナビゲーションと探索を単一目標対応拡散ポリシに統合する,学習されたビジョンナビゲーションポリシである。 我々は,NOMaDの探索モードが方針を再訓練することなく,進むべき方向のグローバルな感覚を与えるODG-NoMaDを提案する。
• 参考スコア（独自算出の注目度）: 0.16311150636417257
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: NoMaD [31] is a learned vision-navigation policy that unifies goal-conditioned navigation and exploration in a single goal-masked diffusion policy. In an unseen environment, however - where neither a goal image nor a topological map is available - it can only explore undirectedly, wandering without global awareness. We present ODG-NoMaD, which gives NoMaD's exploration mode a global sense of where to proceed, without retraining the policy. An overhead depth camera is used once on deployment to build an occupancy map and plan a global path, which is segmented to yield a desired heading; a per-frame traversability map from the robot's onboard depth then refines this into a collision-free direction. The gradient of a cosine direction cost is injected into the final denoising steps, rotating sampled trajectories toward this direction while preserving the multimodality of exploration. In simulated office environments with and without random obstacles, ODG-NoMaD reduces the residual distance to the target by up to an order of magnitude over unguided exploration, outperforms the point-goal cost guidance of NaviDiffusor [37], and is the only configuration that remains collision-free on every trial.
• Abstract（参考訳）: NoMaD[31]は,目標条件付きナビゲーションと探索を単一目標対応拡散ポリシに統合する,学習されたビジョンナビゲーションポリシである。 しかし、ゴールイメージもトポロジカルマップも利用できない、目に見えない環境では、グローバルな認識なしに、無人でさまようことしかできない。 我々は,NOMaDの探索モードが方針を再訓練することなく,進むべき方向のグローバルな感覚を与えるODG-NoMaDを提案する。 頭上深度カメラは、展開時に一度使用し、占有マップを構築してグローバルパスを計画し、その経路をセグメント化して所望の進路を得る。 余弦方向コストの勾配を最終偏極ステップに注入し、試料軌道をこの方向に向けて回転させ、探索の多モード性を保つ。 ランダムな障害物のない模擬オフィス環境において、ODG-NoMaDは、無誘導探査よりも最大で目標への残差距離を最大で減らし、NaviDiffusor[37]のポイントゴールコストガイダンスを上回り、あらゆる試行において衝突のない唯一の構成である。

関連論文リスト

• SGE: Semantically-Guided Exploration for Unstructured Environments via Image-Space Waypoint Sampling [3.1921155114863407]
  この研究は、地上車両のためのモジュラー探査フレームワークであるSGE(Semantically-Guided Exploration)を導入している。 SGEは、画素レベルのセマンティックセマンティックセグメンテーションをサンプリングベースのウェイポイント選択と回帰水平経路最適化に統合する。
  論文  参考訳（メタデータ） (2026-08-29T14:58:22Z)
• Latent World Models with Monotone Planning Costs for Image-Goal Navigation [11.421277609989302]
  凍結したDINOファミリーエンコーダ上に構築された潜在世界モデルを提案し,それを2つの相補的目的で訓練する。 自動回帰的なロールアウト損失は、トレーニングとマルチステッププランニングロールアウトの間のギャップを減少させる。 モノトーンコストランキング(MCR)の損失は、より混乱したアクションシーケンスを直接的に促進し、より高い計画コストを受け取る。
  論文  参考訳（メタデータ） (2026-08-10T03:23:26Z)
• Plug-and-Play Label Map Diffusion for Universal Goal-Oriented Navigation [10.695090580349245]
  目標指向ナビゲーション(Goal-Oriented Navigation, GON)は、ロボットが探索されていない環境で特定の目標を見つけることを要求する。 本稿では,新しい地図完成拡散モデルを定義するPLMD(Plug-and-Play Label Map Diffusion)を提案する。 PLMDは拡散ベースの完了プロセスを通じて未観測領域の障害および意味ラベルを生成する。
  論文  参考訳（メタデータ） (2026-05-07T10:06:40Z)
• IntentReact: Guiding Reactive Object-Centric Navigation via Topological Intent [38.14789750420476]
  目的条件付きオブジェクト中心ナビゲーションフレームワークであるIntentReactを提案する。 従来のオブジェクト中心ナビゲーション手法と比較して,ナビゲーションの成功率と実行品質が向上した。
  論文  参考訳（メタデータ） (2026-03-26T12:32:11Z)
• ReasonNavi: Human-Inspired Global Map Reasoning for Zero-Shot Embodied Navigation [53.95797153529148]
  身体的エージェントは、主に部分的な自我中心の観測に依存するため、効率的なナビゲーションに苦しむことが多い。 本稿では,マルチモーダル大規模言語モデル(MLLM)と決定論的プランナを結合することにより,この理由に基づくパラダイムを運用する,人間にインスパイアされたフレームワークであるReasonNaviを紹介する。
  論文  参考訳（メタデータ） (2026-01-26T19:09:20Z)
• HUNT: High-Speed UAV Navigation and Tracking in Unstructured Environments via Instantaneous Relative Frames [50.83645076723809]
  HUNT (High-speed UAV Navigation and Tracking) は、1つの相対的な定式化の中で統合、取得、追跡を行うリアルタイムフレームワークである。 密林、コンテナ化合物、および車両やマネキンによる捜索救助活動の試行は、グローバルな方法が失敗した場合の堅牢な自律性を示している。
  論文  参考訳（メタデータ） (2025-09-23T18:07:10Z)
• MetricNet: Recovering Metric Scale in Generative Navigation Policies [51.90872764552077]
  MetricNetは、ウェイポイント間の距離を予測するジェネレーティブナビゲーションのための効果的なアドオンである。 MetricNetスケールのウェイポイントの実行はナビゲーションと探索の両方のパフォーマンスを大幅に改善することを示す。 また、MetricNetをナビゲーションポリシーに統合し、目標に向かって移動しながら障害物からロボットを誘導するMetricNavを提案する。
  論文  参考訳（メタデータ） (2025-09-17T13:37:13Z)
• 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)
• Predicting Dense and Context-aware Cost Maps for Semantic Robot Navigation [35.45993685414002]
  本研究では,対象がセマンティックラベルで指定された未知環境における目標ナビゲーションの課題について検討する。 本稿では,意味的コンテキストを暗黙的に含む高コストマップを予測するために,ディープニューラルネットワークアーキテクチャとロス関数を提案する。 また、コストマップ予測のためのセマンティックなヒントを提供するために、アーキテクチャに中間レベルの視覚表現を融合する新しい方法を提案する。
  論文  参考訳（メタデータ） (2022-10-17T11:43:19Z)
• ViKiNG: Vision-Based Kilometer-Scale Navigation with Geographic Hints [94.60414567852536]
  長距離航法には、計画と局所的な移動可能性の推論の両方が必要である。 学習と計画を統合する学習に基づくアプローチを提案する。 ViKiNGは、画像ベースの学習コントローラを利用できる。
  論文  参考訳（メタデータ） (2022-02-23T02:14:23Z)
• Explore before Moving: A Feasible Path Estimation and Memory Recalling Framework for Embodied Navigation [117.26891277593205]
  ナビゲーションに焦点をあて,経験や常識に欠ける既存のナビゲーションアルゴリズムの問題を解決する。 移動前に2回思考する能力に触発されて、不慣れな場面で目標を追求する実現可能な経路を考案し、パス推定とメモリリコールフレームワークと呼ばれる経路計画手法を提案する。 EmbodiedQAナビゲーションタスクにおけるPEMRの強力な実験結果を示す。
  論文  参考訳（メタデータ） (2021-10-16T13:30:55Z)
• Reinforcement Learning for UAV Autonomous Navigation, Mapping and Target Detection [36.79380276028116]
  本研究では,無人航空機(UAV)に低高度レーダーを装備し,未知の環境下での飛行における共同検出・マッピング・ナビゲーション問題について検討する。 目的は、マッピング精度を最大化する目的で軌道を最適化することであり、目標検出の観点からは、測定が不十分な領域を避けることである。
  論文  参考訳（メタデータ） (2020-05-05T20:39:18Z)

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。