論文の概要: CAVE-NAV: VLM-Based Autonomous 3D Navigation in Underwater Cave Environments
- arxiv url: http://arxiv.org/abs/2608.27793v1
- Date: Fri, 28 Aug 2026 00:16:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-31 17:16:04.168791
- Title: CAVE-NAV: VLM-Based Autonomous 3D Navigation in Underwater Cave Environments
- Title（参考訳）: CAVE-NAV:VLMによる水中洞窟環境における自律型3Dナビゲーション
- Abstract要約: 環境条件からナビゲート可能な方向を推定するために,Chain-of-Thought (CoT) を用いた視覚言語モデル(VLM)を提案する。
複数の洞窟トポロジーにまたがる高忠実度シミュレーションにより, 提案手法が衝突なしに全ての評価を完了することを示す。
- 参考スコア（独自算出の注目度）: 11.084602981881767
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Autonomous navigation in underwater cave environments is essential for search-and-rescue operations, scientific exploration, and emergency egress. Traditional navigation systems commonly depend on dense visual features for localization and mapping. In underwater caves, however, visual degradation can undermine feature-based localization, sonar-based mapping may yield overly conservative obstacle representations, and communication constraints preclude real-time human guidance. To address these limitations, we propose an autonomous underwater cave navigation framework that leverages a vision-language model (VLM) with Chain-of-Thought (CoT) reasoning to infer navigable directions from environmental cues, including light intensity gradients, passage morphology, and geometric complexity, captured through multimodal inputs comprising RGB imagery, depth maps, and sonar-based vertical-clearance measurements, thereby supporting safe 3D navigation through confined cave passages. High-fidelity simulations across multiple cave topologies demonstrate that the proposed framework completes all evaluated end-to-end traversals without collisions while maintaining safe clearance from cave boundaries.
- Abstract（参考訳）: 水中洞窟環境における自律航法は、捜索救助活動、科学探査、緊急脱出に不可欠である。
従来のナビゲーションシステムは、ローカライゼーションとマッピングのための密集した視覚的特徴に依存している。
しかし、水中洞窟では、視覚的な劣化が特徴に基づく局所化を損なう可能性があり、ソナーに基づくマッピングは過度に保守的な障害物表現をもたらし、コミュニケーションの制約がリアルタイムな人的指導を妨げる可能性がある。
これらの制約に対処するため,光強度勾配,通過形態,幾何学的複雑さなどの環境手がかりからナビゲーション可能な方向を推定するために,視覚言語モデル(VLM)とChain-of-Thought(CoT)を併用した自律型水中洞窟ナビゲーションフレームワークを提案する。
複数の洞窟トポロジーにまたがる高忠実度シミュレーションにより, 洞穴境界からの安全なクリアランスを維持しつつ, 衝突のないエンド・ツー・エンド・トラバースのすべての評価を完了したことを示す。
関連論文リスト
- SpaceVLN: A Zero-Shot Vision-and-Language Navigation Agent with Online Spatial Cognitive Memory and Reasoning [59.64305326980364]
SpaceVLNは、空間認知記憶とタスク誘導空間推論を中心に構築されたナビゲーションエージェントである。
このメモリ上に構築されたSpatial-CoTは、タスクプログレス推論と空間知覚、分析、予測を統合する。
R2R-CE、RxR-CE、GN-Bench、HM3D-OVONの他、SpaceVLNは最先端のゼロショット性能を実現している。
論文 参考訳（メタデータ） (2026-06-08T03:42:08Z) - An Open-Source LiDAR and Monocular Off-Road Autonomous Navigation Stack [35.094251140860756]
タスク固有のトレーニングを使わずに,LiDARとモノクル3次元認識の両方をサポートするオープンソースのナビゲーションスタックを提案する。
単分子配置では、ゼロショット深度予測とメートル法深度再スケーリングをスパースSLAM測定を用いて組み合わせる。
結果として得られるポイントクラウドは、コストマップベースの計画のためのロボット中心の2.5D高度マップを生成するために使用される。
論文 参考訳（メタデータ） (2026-04-03T15:19:20Z) - OpenFrontier: General Navigation with Visual-Language Grounded Frontiers [54.661157616245966]
オープンワールドナビゲーションでは、複雑な日常環境においてロボットが意思決定を行う必要がある。
近年の視覚-言語ナビゲーション(VLN)と視覚-言語-アクション(VLA)モデルは、自然言語で条件付けられたエンドツーエンドのポリシーを実現する。
多様な視覚をシームレスに統合するトレーニングフリーナビゲーションフレームワークであるOpenFrontierを提案する。
論文 参考訳（メタデータ） (2026-03-05T17:02:22Z) - WildOS: Open-Vocabulary Object Search in the Wild [12.098091049832965]
この研究は、長距離でオープンなオブジェクト検索のための統一システムWildOSを提示する。
基礎モデルに基づく視覚モジュール ExploRFM を用いて、グラフのフロンティアノードをスコアリングする。
また、オープン語彙ターゲットクエリの粗い局所化のための粒子フィルタに基づく手法も導入する。
論文 参考訳（メタデータ） (2026-02-22T19:14:00Z) - 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) - DUViN: Diffusion-Based Underwater Visual Navigation via Knowledge-Transferred Depth Features [47.88998580611257]
本研究では,知識伝達深度特性を用いた拡散型水中ビジュアルナビゲーションポリシーDUViNを提案する。
DuViNは、事前に構築された地図に頼ることなく、障害物を回避し、地形に対して安全かつ認識の高い高度を維持するよう車両を誘導する。
シミュレーションおよび実世界の水中環境における実験は、我々のアプローチの有効性と一般化を実証している。
論文 参考訳（メタデータ） (2025-09-03T03:43:12Z) - Move to Understand a 3D Scene: Bridging Visual Grounding and Exploration for Efficient and Versatile Embodied Navigation [54.04601077224252]
身近なシーン理解には、視覚空間情報の理解だけでなく、3D物理世界における次の探索場所の決定も必要である。
アンダーラインテキストbf3D視覚言語学習は、エンボディエージェントが環境を効果的に探索し理解することを可能にする。
モデルの汎用性は、カテゴリ、言語記述、参照イメージなど、多様な入力モダリティを使ったナビゲーションを可能にする。
論文 参考訳（メタデータ） (2025-07-05T14:15:52Z) - 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) - DORAEMON: Decentralized Ontology-aware Reliable Agent with Enhanced Memory Oriented Navigation [55.888688171010365]
DORAEMONは、人間のナビゲーション機能を模倣したVentralとDorsal Streamsで構成される、認知にインスパイアされたフレームワークである。
我々は,DORAEMONをHM3D,MP3D,GOATのデータセット上で評価し,成功率(SR)と成功度(SPL)の測定値の両方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） (2025-05-28T04:46:13Z) - CaveSeg: Deep Semantic Segmentation and Scene Parsing for Autonomous Underwater Cave Exploration [0.0]
CaveSegは、水中洞窟内のAUVナビゲーションのためのセマンティックセグメンテーションとシーン解析のための最初のビジュアル学習パイプラインである。
重要なナビゲーションマーカー(洞窟線、矢印など)、障害物(地平面や頭上層など)、スキューバダイバー、サーボのためのオープンエリアのためのピクセルアノテーションが含まれている。
論文 参考訳（メタデータ） (2023-09-20T03:36:22Z)
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。