Fugu-MT 論文翻訳(概要): Spatial-Semantic Reasoning using Large Language Models for Efficient UAV Search Operations

論文の概要: Spatial-Semantic Reasoning using Large Language Models for Efficient UAV Search Operations

arxiv url: http://arxiv.org/abs/2608.28270v1
Date: Fri, 28 Aug 2026 12:33:49 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-31 17:16:04.328068
Title: Spatial-Semantic Reasoning using Large Language Models for Efficient UAV Search Operations
Title（参考訳）: 大規模言語モデルを用いた効率的なUAV探索操作のための空間意味推論
Abstract要約: 対象目標ナビゲーション(Object Goal Navigation, ObjectNav)タスクの時間効率向上に着目した,無人航空機(UAV)のためのリアルタイム意味ナビゲーションフレームワークを提案する。 LLM(Large Language Model)は、ユーザが提供する自然言語命令を解釈し、検出されたオブジェクトに対するセマンティック推論を実行する。シミュレーションと実世界の両方の環境での実験は、高い探索精度を維持しながらミッション期間の短縮を実証している。
参考スコア（独自算出の注目度）: 2.012425476229879
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We present a real-time semantic navigation framework for Unmanned Aerial Vehicles (UAVs) focused on improving time efficiency in the Object Goal Navigation (ObjectNav) task. Central to our approach is a Large Language Model (LLM) that interprets user-provided natural language instructions and performs semantic reasoning over detected objects and spatial context to prioritize high-probability search regions. The system combines real-time object detection, 3D spatial mapping, and polynomial spline interpolation for smooth and feasible UAV trajectory planning. Unlike prior methods that rely on offline reasoning or simulator-constrained action spaces, our framework can operate in real time, continuously updating semantic relevance based on new observations. Experiments in both simulated and real-world settings demonstrate reductions in mission duration while maintaining high search accuracy, underscoring the effectiveness of LLM-guided reasoning for time- efficient UAV-based ObjectNav.
Abstract（参考訳）: 対象目標ナビゲーション(Object Goal Navigation, ObjectNav)タスクの時間効率向上に着目した,無人航空機(UAV)のためのリアルタイム意味ナビゲーションフレームワークを提案する。我々のアプローチの中心は、ユーザが提供する自然言語命令を解釈し、検出されたオブジェクトと空間的コンテキストに対して意味論的推論を行い、高確率検索領域を優先順位付けするLarge Language Model (LLM) である。このシステムは, リアルタイム物体検出, 3次元空間マッピング, 多項式スプライン補間を併用して, 滑らかで実現可能なUAV軌道計画を行う。オフライン推論やシミュレータ制約されたアクション空間に依存する従来の手法とは異なり、我々のフレームワークはリアルタイムで動作し、新しい観測に基づいて意味的関連性を継続的に更新する。シミュレーションと実世界の両方の環境での実験では、高い探索精度を維持しながらミッション期間の短縮が示され、時間効率のUAVベースのObjectNavに対するLLM誘導推論の有効性が強調された。

関連論文リスト

From Semantic Grounding to Decision Optimization: A Unified Framework for Long-Horizon UAV Vision-Language Navigation [40.51712647240084]
UAVビジョン言語ナビゲーション(UAV-VLN)は、空のエージェントがオープンな3D環境で自然言語の指示に従うことを可能にすることに焦点を当てている。現在のアプローチは、視覚的な観察における命令関連ランドマークの弱い接地、長距離履歴の不十分な活用、局所的なトラップや反復的な探索による不安定な決定の3つの複合的な問題に悩まされている。これらの問題に対処する統合的意味決定フレームワークを提案する。
論文参考訳（メタデータ） (2026-08-10T12:59:50Z)
EffiNav: Fusing Depth and Vision-Language for Efficient Object Goal Navigation [0.0]
未知の環境を探索しながら対象物を見つけることは、自律エージェントの基本的な能力である。 Navでは、ターゲットオブジェクトへの成功はパフォーマンスの基本的な尺度を提供する。未知の環境では、効率的なナビゲーションの鍵は次の探索場所を決定することである。
論文参考訳（メタデータ） (2026-06-17T03:04:11Z)
STEM: Semantic Target Search and Exploration using MAVs in Cluttered Environments [17.009653719709213]
本稿では,目的探索時間と探索時間を最小限に抑えるために,意味誘導型視点プランナを用いた新しいフレームワークを提案する。具体的には,対象に繋がる可能性のある視点を優先順位付けすることで,効率的な意味探索計画を生成するプランナーを開発する。
論文参考訳（メタデータ） (2026-05-30T15:00:58Z)
AutoFly: Vision-Language-Action Model for UAV Autonomous Navigation in the Wild [62.47761809929869]
視覚言語ナビゲーション(VLN)は、視覚的観察とともに言語指示を解釈することで、知的エージェントが環境をナビゲートする必要がある。無人航空機(UAV)の現在のVLN研究は、所定のルートに沿ってUAVを誘導するための詳細な指示に依存している。本稿では,自律型UAVナビゲーションのためのエンド・ツー・エンドのビジョン・ランゲージ・アクションモデルであるAutoFlyを提案する。
論文参考訳（メタデータ） (2026-02-10T11:08:07Z)
FOM-Nav: Frontier-Object Maps for Object Goal Navigation [65.76906445210112]
FOM-Navはフロンティアオブジェクトマップと視覚言語モデルによる探索効率を高めるフレームワークである。 FOM-Navをトレーニングするために,実環境から大規模ナビゲーションデータセットを自動構築する。 FOM-NavはMP3DとHM3Dのベンチマーク、特にナビゲーション効率の指標SPL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） (2025-11-30T18:16:09Z)
AerialMind: Towards Referring Multi-Object Tracking in UAV Scenarios [64.51320327698231]
UAVシナリオにおける最初の大規模RMOTベンチマークであるAerialMindを紹介する。我々は、革新的な半自動協調型エージェントベースラベリングアシスタントフレームワークを開発した。また,視覚言語表現学習を協調的に強化する新しい手法であるHawkEyeTrackを提案する。
論文参考訳（メタデータ） (2025-11-26T04:44:27Z)
Dynamic Semantic-Aware Correlation Modeling for UAV Tracking [43.811226798454214]
UAV追跡は、災害救助、環境モニタリング、物流輸送といったシナリオに広く適用することができる。既存のUAV追跡手法は、主にスピードを強調し、セマンティック・アウェアネスの探索を欠いている。この問題に対処するために,動的セマンティック・アウェアリング・リレーショナル・モデリング・トラッキング・フレームワークを提案する。
論文参考訳（メタデータ） (2025-10-24T11:28:06Z)
Exploring Spatial Representation to Enhance LLM Reasoning in Aerial Vision-Language Navigation [11.267956604072845]
ALN(Aerial Vision-and-Language Navigation)は、無人航空機(Unmanned Aerial Vehicles、UAV)が自然言語の指示や視覚的手がかりを通じて屋外の環境を航行できるようにする新しいタスクである。本稿では,大規模言語モデル(LLM)をアクション予測のエージェントとして活用する,空飛ぶVLNタスクのためのトレーニングフリーゼロショットフレームワークを提案する。
論文参考訳（メタデータ） (2024-10-11T03:54:48Z)
How To Not Train Your Dragon: Training-free Embodied Object Goal Navigation with Semantic Frontiers [94.46825166907831]
Embodied AIにおけるオブジェクトゴールナビゲーション問題に対処するためのトレーニング不要のソリューションを提案する。本手法は,古典的な視覚的同時ローカライゼーションとマッピング(V-SLAM)フレームワークに基づく,構造化されたシーン表現を構築する。本手法は,言語先行情報とシーン統計に基づいてシーングラフのセマンティクスを伝搬し,幾何学的フロンティアに意味知識を導入する。
論文参考訳（メタデータ） (2023-05-26T13:38:33Z)
Visual-Language Navigation Pretraining via Prompt-based Environmental Self-exploration [83.96729205383501]
本稿では,言語埋め込みの高速適応を実現するために,プロンプトベースの学習を導入する。我々のモデルは、VLNやREVERIEを含む多様な視覚言語ナビゲーションタスクに適応することができる。
論文参考訳（メタデータ） (2022-03-08T11:01:24Z)
Object Goal Navigation using Goal-Oriented Semantic Exploration [98.14078233526476]
本研究は,未確認環境における対象カテゴリーのインスタンスにナビゲートするオブジェクトゴールナビゲーションの問題を研究する。本稿では,表層的なセマンティックマップを構築し,効率的に環境を探索する「ゴール指向セマンティック探索」というモジュールシステムを提案する。
論文参考訳（メタデータ） (2020-07-01T17:52:32Z)

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。