論文の概要: EgoNav: Bridging Learned Waypoints and Geometry-Aware Local Control for Robust Indoor Navigation
- arxiv url: http://arxiv.org/abs/2608.25642v1
- Date: Wed, 26 Aug 2026 11:13:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-27 14:15:15.777689
- Title: EgoNav: Bridging Learned Waypoints and Geometry-Aware Local Control for Robust Indoor Navigation
- Title（参考訳）: EgoNav:ロバストな屋内ナビゲーションのための学習経路と幾何学を考慮した局所制御
- Abstract要約: 軽量なトポロジマップを用いた画像ゴールナビゲーションは,屋内ロボットの配置の実践的パラダイムである。
EgoNavは階層的なシステムで、セマンティックにセグメンテーションされたトラバース可能な領域から候補を生成する。
EgoNavは、成功率とパス効率の両方において、同時代のベースラインを一貫して上回っている。
- 参考スコア（独自算出の注目度）: 7.207055231363046
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Image-goal navigation using lightweight topological maps is a practical paradigm for indoor robot deployment: the map requires only geotagged images, and localization relies on visual matching rather than precise pose estimation. However, learned waypoint predictors can produce targets that violate geometric constraints or deviate from the global path. Executing these waypoints safely further requires a local planner capable of collision avoidance, yet existing systems either lack one or rely on fixed parameters that cannot adapt to confined spaces. To address these limitations while retaining the navigational intuition of the learned predictor, we present EgoNav, a hierarchical system that implements this idea by generating candidates from semantically segmented traversable regions and scoring them alongside the learned waypoint for geometric safety, directional coherence, and fidelity to the learned prior. An adaptive local path planner then executes the refined waypoint with parameters modulated based on the refinement outcome. Experiments in Habitat-sim and on a physical humanoid robot show that EgoNav consistently outperforms contemporary baselines in both success rate and path efficiency.
- Abstract（参考訳）: 軽量なトポロジカルマップを用いた画像ゴールナビゲーションは、屋内ロボット配置の実践的パラダイムであり、地図はジオタグ付き画像のみを必要とし、位置決めは正確なポーズ推定よりも視覚的マッチングに依存している。
しかし、学習されたウェイポイント予測器は、幾何学的制約に違反したり、グローバルパスから逸脱するターゲットを生成することができる。
これらの経路ポイントを安全に実行するには、衝突回避が可能なローカルプランナーが必要であるが、既存のシステムは1つを欠いているか、制限された空間に適応できない固定されたパラメータに依存している。
学習した予測器のナビゲーション直観を保ちながらこれらの制限に対処するため,意味的に区切られたトラバース可能な領域から候補を生成し,幾何学的安全性,方向整合性,忠実性の学習経路に沿って評価することにより,この概念を実現する階層システムであるEgoNavを提案する。
適応的なローカルパスプランナーは、精製結果に基づいてパラメータを変調した洗練されたウェイポイントを実行する。
Habitat-simと物理的ヒューマノイドロボットの実験では、EgoNavは成功率とパス効率の両方において、同時代のベースラインを一貫して上回っている。
関連論文リスト
- AutoPath: Learning Transferable Goal-Conditioned Stochastic Path Prior for Safe Navigation Without Human Demonstrations [103.61864552260316]
動的環境におけるリアルタイムナビゲーションは、限られた知覚下での衝突のない、動的に実現可能な動きを必要とする。
我々は,移動可能な目標整合経路の学習としてナビゲーションを定式化し,局所的な観測に基づいて,目標整合な局所経路上の再利用可能な分布をモデル化する。
我々は、幾何対応の極性行動多様体を用いて局所経路をパラメータ化し、安定かつ安全対応の計画のためのマルチゴール分散ロールアウトによるリスク感応性ユーティリティシェーピングを含む構造化された事前学習フレームワークを開発した。
論文 参考訳（メタデータ） (2026-07-13T16:00:41Z) - Beyond Waypoints: A Trajectory-Centric Waypointing Paradigm for Vision-Language Navigation [79.12557132788139]
VLN-CE(Vision-Language Navigation in Continuous Environments)では、エージェントが現実世界のような環境でナビゲートしながら自然言語の指示に従う必要がある。
ほとんどのVLN-CEアプローチでは、ウェイポイント予測器がウェイポイントを提案し、ナビゲータが最良のウェイポイントを選択する。
提案手法は,各候補の経路点を実行可能な軌道に配置する,トラジェクトリ・ウェイポイントという新しいパラダイムを導入する。
論文 参考訳（メタデータ） (2026-06-05T13:11:39Z) - Beyond Waypoints: Dual-Heatmap Grounding for Cross-Embodiment Semantic Navigation [13.081539889943906]
本研究では,FOV内セマンティックナビゲーションの実践的な設定に焦点を当てる。
本稿では,Dual-Heatmap表現に有利な単一点回帰を放棄する統合ビジョン・ランゲージフレームワークを提案する。
本フレームワークは,8Bベースライン間の最先端性能を実現する。
論文 参考訳（メタデータ） (2026-05-19T06:12:59Z) - NORM-Nav: Zero-Shot Mobile Robot Navigation with Natural Language Behavioral Constraints [46.6378130545666]
本稿では,NORM-Navについて述べる。NORM-Navは,自然言語の振る舞い制約をコストマップに基づく計画に組み込むフレームワークである。
LLMは、各命令を構造化された制約に解析し、リアルタイムビジョン-LiDAR知覚を使ってそれらをグラウンド化する。
シミュレーションと実世界の実験により、NORM-Navはタスクの成功率を改善し、代表ベースラインよりも人間の参照に近い軌道を生成することが示されている。
論文 参考訳（メタデータ） (2026-05-16T12:58:03Z) - 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) - 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) - TANGO: Traversability-Aware Navigation with Local Metric Control for Topological Goals [10.69725316052444]
ゼロショット・ロングホライゾン・ロボットナビゲーションを可能にする新しいRGBのみのオブジェクトレベルのトポロジカルナビゲーションパイプラインを提案する。
提案手法は,グローバルなトポロジカルパス計画と局所的軌跡制御を統合し,障害物を避けつつ,ロボットがオブジェクトレベルのサブゴールに向かって移動できるようにする。
シミュレーション環境と実世界の両方のテストにおいて,本手法の有効性を実証し,その堅牢性とデプロイ性を強調した。
論文 参考訳（メタデータ） (2025-09-10T15:43:32Z) - DAgger Diffusion Navigation: DAgger Boosted Diffusion Policy for Vision-Language Navigation [73.80968452950854]
Vision-Language Navigation in Continuous Environments (VLN-CE) は、エージェントが自由形式の3D空間を通して自然言語の指示に従う必要がある。
既存のVLN-CEアプローチは通常、2段階のウェイポイント計画フレームワークを使用する。
本稿では,エンドツーエンド最適化VLN-CEポリシとしてDAgger Diffusion Navigation (DifNav)を提案する。
論文 参考訳（メタデータ） (2025-08-13T02:51:43Z) - NavTopo: Leveraging Topological Maps For Autonomous Navigation Of a Mobile Robot [1.0550841723235613]
トポロジマップと2段階の経路計画に基づく完全なナビゲーションパイプラインを提案する。
パイプラインは、入力ポイントクラウドのニューラルネットワーク記述子と2Dプロジェクションをマッチングすることで、グラフにローカライズする。
提案手法は,大規模な室内光相対論的シミュレーション環境でテストし,一般的な計量マッピング手法であるRTAB-MAPに基づく計量地図に基づく手法と比較する。
論文 参考訳（メタデータ） (2024-10-15T10:54:49Z) - 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)
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。