論文の概要: RACO: Reliability-Aware Coarse-Goal Optimization for Inspection-Oriented UAV Vision-Language Navigation

• arxiv url: http://arxiv.org/abs/2608.22678v1
• Date: Mon, 24 Aug 2026 00:32:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-25 13:29:43.826544
• Title: RACO: Reliability-Aware Coarse-Goal Optimization for Inspection-Oriented UAV Vision-Language Navigation
• Title（参考訳）: RACO:検査指向型UAVビジョンランゲージナビゲーションのための信頼性を考慮した粗目標最適化
• Abstract要約: インスペクション指向のデプロイメントでは、エージェントは有効なインスペクション領域内で停止し、視覚的または意味的に類似したインスペクタの誤確認を避ける必要がある。 この要件は、既存の粗大なUAV-VLNポリシーにおいて重要な弱点を露呈する。 信頼性に配慮した粗いナビゲーション・フレームワークであるRACOを提案する。
• 参考スコア（独自算出の注目度）: 14.90100138005239
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: UAV vision-language navigation (UAV-VLN) is commonly evaluated as goal reaching, but inspection-oriented deployment requires the agent to stop within a valid inspection region and avoid falsely confirming visually or semantically similar distractors. This requirement exposes a key weakness in existing coarse-to-fine UAV-VLN policies: the coarse goal predicted before local refinement is often treated as reliable, although it may drift toward plausible but incorrect object regions and limit the ability of the local stage to recover. To systematically evaluate this problem, we introduce LG-UVI, an object-centric inspection evaluation setting derived from CityNav/CityRefer. LG-UVI extends standard UAV-VLN episodes with target objects, hard distractors, type-aware inspection regions, and diagnostics for inspection-region arrival and object-level confirmation. To address this inspection-oriented setting, we further propose RACO, a reliability-aware adaptive coarse-to-fine navigation framework. Instead of treating the predicted coarse goal as a fixed waypoint, RACO views it as a runtime hypothesis and uses object-level candidate anchors to check and correct coarse localization before Stage 1 and at the Stage 1-to-Stage 2 boundary. RACO also applies scale-adaptive terminal refinement to handle terminal near-miss cases using runtime-observable geometric and anchor-based evidence. Under a unified online evaluation protocol, RACO improves SR over the reproduced HETT baseline by 9.53 and 7.98 percentage points on validation-unseen and test-unseen, respectively. It also improves inspection-region arrival and reduces false verification risk, showing that coarse-goal reliability optimization is an effective complement to existing coarse-to-fine UAV-VLN policies.
• Abstract（参考訳）: UAVビジョン言語ナビゲーション(UAV-VLN)は、目標到達として一般的に評価されているが、検査指向のデプロイメントでは、有効な検査領域内でエージェントが停止し、視覚的または意味的に類似した障害を誤認することを避ける必要がある。 この要求は、既存の粗大なUAV-VLNポリシーの重大な弱点を露呈する: 局所的な改良が予測される粗大なゴールは、しばしば信頼できるものとして扱われる。 この問題を体系的に評価するために,CityNav/CityReferから派生したオブジェクト指向検査評価設定であるLG-UVIを導入する。 LG-UVIは、通常のUAV-VLNのエピソードを拡張し、対象物、ハードイントラクタ、タイプアウェア検査領域、検査場所到着とオブジェクトレベル確認の診断を行う。 この検査指向の設定に対処するため,信頼性に配慮した粗いナビゲーション・フレームワークであるRACOを提案する。 RACOは、予測された粗い目標を固定された経路ポイントとして扱う代わりに、それを実行時仮説とみなし、オブジェクトレベルの候補アンカーを使用して、ステージ1とステージ2の境界における粗いローカライゼーションをチェックおよび修正する。 RACOはまた、ランタイム観測可能な幾何およびアンカーベースエビデンスを使用して、終端近傍のケースを扱うためにスケール適応型端末の改良を適用している。 統一されたオンライン評価プロトコルの下で、RACOは、再現されたHETTベースライン上のSRをそれぞれ9.53と7.98のパーセンテージで改善する。 また、検査地域への到着を改善し、偽の検証リスクを低減し、粗いゴールの信頼性最適化が既存の粗いUAV-VLNポリシーを効果的に補完することを示す。

関連論文リスト

• Deliberate Before You Fly: Vision-Guided Spatial Deliberation for UAV See-and-Reach Navigation [23.72068584471195]
  シー・アンド・リーチ・ナビゲーションでは、航空エージェントが初期ビューで見える言語指定のターゲットに接近し、その近くで確実に停止する必要がある。 既存の手法は通常、中間的な細粒度の空間決定を明示的にモデル化することなく、視覚言語表現を直接アクション出力にマッピングする。 そこで我々は,経路ポイント生成に先立って,視覚誘導型空間的議論を明示的に導入する,視覚言語による経路ポイント予測フレームワークDBFlyを提案する。
  論文  参考訳（メタデータ） (2026-08-05T13:27:07Z)
• TrustVLA: Mechanism-Guided Inference-Time Defense Against Vision-Language-Action Backdoors [54.12833308568015]
  VLA(Vision-Language-Action)モデルは、エンドユーザが監査できないパイプラインを通じてデプロイされる。 小さな視覚トリガーは、障害が観測可能である前に、長い水平ロボットポリシーをリダイレクトする。 個別に提案した2つのVLA攻撃を通してこのギャップについて検討した。
  論文  参考訳（メタデータ） (2026-07-14T09:43:52Z)
• CLOSER-VLN: Closed-Loop Self-Verified Retrieval-Augmented Reasoning for Aerial Vision-Language Navigation [10.221757123615786]
  視覚言語ナビゲーション(VLN)は、タスク固有のナビゲーションポリシーをトレーニングすることなく、エージェントが見えない環境で自然言語の指示に従うことができる、大規模な言語モデルとマルチモーダルモデルで最近進歩した。 既存のVLNメソッドの多くは、命令や観察から候補アクションが生成されるが、実行前に検証や修正されることは滅多にない、オープンループ決定実行アプローチに依存している。 コンクリート施工前にクローズループ方式で行動推論,信頼性検証,ターゲット検索,行動補正を逐次行う訓練自由度法であるCLOSERを提案する。
  論文  参考訳（メタデータ） (2026-06-24T05:57:42Z)
• What to Test Next: Interpretable Coverage Gap Discovery in Driving VLMs [52.50210189669399]
  視覚言語モデル(VLM)を駆動するには,操作設計領域(ODD)が定義する様々な条件のシーンを正確に理解する必要がある SliceScorerは、欠落したスライス推薦のための決定論的スコアリングルールである。 SliceNavは, 従来のスライス発見法よりも, 高リスクカバレッジギャップを効果的に表面化することを示す。
  論文  参考訳（メタデータ） (2026-06-01T03:18:01Z)
• VisualThink-VLA: Visual Intermediate Reasoning for Effective and Low-Latency Vision-Language-Action Policies [58.65913948991329]
  正確な低レイテンシVLAポリシーのためのビジュアル中間推論フレームワークであるVISUALTHINK-VLAを提案する。 私たちのブートストラップ哲学は、効果的な視覚的思考でアクションを導くことです。 これは、デコードオーバーヘッドを回避しながら空間的精度を保った、コンパクトなビジュアル・エビデンスインターフェースを通じてアクション予測をブートストラップする。
  論文  参考訳（メタデータ） (2026-05-28T14:36:53Z)
• Evidence-Based Landing Site Selection and Vison-Based Landing for UAVs in Unstructured Environments [0.9236074230806578]
  本稿では,無人無人無人着陸のためのエビデンスに基づく確率的枠組みを提案する。 視覚サーボによる実行から不確実性の下での意思決定を明示的に分離する。 NvidiaのIsaac Simによる実世界の実験と高忠実度シミュレーションの両方を通じて検証されている。
  論文  参考訳（メタデータ） (2026-05-02T13:05:20Z)
• Beyond Matching to Tiles: Bridging Unaligned Aerial and Satellite Views for Vision-Only UAV Navigation [51.286599397552756]
  本稿では,UAVの絶対位置と近距離からの進路を共同で予測する視覚駆動型クロスビューナビゲーション手法であるBering-UAVを提案する。 我々はまた、クロスビューのローカライゼーションとナビゲーションを評価するベンチマークである Bearing-UAV-90k も提示する。
  論文  参考訳（メタデータ） (2026-03-23T16:17:39Z)
• Eva-Tracker: ESDF-update-free, Visibility-aware Planning with Target Reacquisition for Robust Aerial Tracking [51.06229328990625]
  Eva-Trackerは、航空追跡のための可視性を考慮した軌道計画フレームワークである。 ESDF更新を排除し、リカバリ可能なパス生成メソッドを組み込んで、ターゲット再取得を行う。 提案手法は,従来の最先端手法よりも計算労力の少ないロバストな追跡結果を提供する。
  論文  参考訳（メタデータ） (2026-02-13T02:56:34Z)
• VFM-Guided Semi-Supervised Detection Transformer under Source-Free Constraints for Remote Sensing Object Detection [9.029534000674388]
  VG-DETRは、Vision Foundation Model(VFM)を「フリーランチ」方法でトレーニングパイプラインに統合する。 擬似ラベルの信頼性を評価するために,VFMのセマンティックな事前情報を利用した擬似ラベルマイニング手法を提案する。 さらに,デュアルレベルのVFM誘導アライメント手法を提案し,インスタンスレベルと画像レベルでのVFM埋め込みと検出器特性を一致させる。
  論文  参考訳（メタデータ） (2025-08-15T02:35:56Z)
• Higher Performance Visual Tracking with Dual-Modal Localization [106.91097443275035]
  Visual Object Tracking (VOT)は、堅牢性と正確性の両方に同期性を必要とする。 ONRによるロバストなローカリゼーション抑制器とOFCによるターゲットセンターへの正確なローカリゼーションにより、ターゲットローカリゼーションのためのデュアルモーダルフレームワークを提案します。
  論文  参考訳（メタデータ） (2021-03-18T08:47:56Z)
• 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。