論文の概要: NavArena: Automated Construction of Goal-Oriented Navigation Benchmarks from 3D Gaussian Splatting Reconstructions
- arxiv url: http://arxiv.org/abs/2609.04602v1
- Date: Fri, 04 Sep 2026 01:02:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-07 18:15:23.871604
- Title: NavArena: Automated Construction of Goal-Oriented Navigation Benchmarks from 3D Gaussian Splatting Reconstructions
- Title（参考訳）: NavArena: ゴール指向ナビゲーションベンチマークの自動構築
- Abstract要約: NavArenaは、固定された3DGS再構成を目標指向のビジュアルナビゲーションのためのベンチマークに変換する自動化フレームワークである。
NavArenaは2000以上のシーンで2220万のエキスパートトラジェクトリを生成する。
- 参考スコア（独自算出の注目度）: 27.72244200436069
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Fixed 3D Gaussian Splatting (3DGS) reconstructions provide realistic novel views but lack the traversability constraints, valid goals, and closed-loop protocols required for navigation evaluation. We introduce NavArena, an automated framework that transforms fixed 3DGS reconstructions into benchmarks for goal-oriented visual navigation. NavArena integrates a frozen 3DGS model for egocentric RGB-D rendering, an occupancy costmap derived from Gaussian density and height statistics for reachability and collision queries, and semantic goal candidates lifted from multi-view open-vocabulary masks. These components support the automatic generation and unified closed-loop evaluation of goal-oriented navigation episodes. Across more than 2{,}000 scenes, NavArena generates 22.2 million expert trajectories. Spatial and semantic evaluations assess the derived navigation representations, while policy rollouts demonstrate the diagnostic value of the unified evaluation protocol. NavArena enables scalable and reproducible navigation evaluation on large-scale 3DGS reconstructions, and all benchmark-generation tools, evaluation protocols, and derived assets will be released publicly.
- Abstract（参考訳）: 修正された3Dガウススプラッティング(3DGS)は、現実的な新しいビューを提供するが、ナビゲーション評価に必要なトラバーサビリティ制約、有効なゴール、クローズドループプロトコルが欠如している。
固定された3DGS再構成を目標指向視覚ナビゲーションのベンチマークに変換する自動フレームワークであるNavArenaを紹介した。
NavArenaは、エゴセントリックなRGB-Dレンダリングのためのフリーズド3DGSモデル、リーチビリティと衝突クエリのためのガウス密度と高さ統計から得られた占有コストマップ、マルチビューオープン語彙マスクからのセマンティックゴール候補を統合している。
これらのコンポーネントは、ゴール指向ナビゲーションエピソードの自動生成と統合クローズドループ評価をサポートする。
2{,}000以上のシーンで、NavArenaは2220万のエキスパートトラジェクトリを生成する。
空間的および意味的な評価は、導出されたナビゲーション表現を評価し、ポリシーのロールアウトは、統一された評価プロトコルの診断値を示す。
NavArenaは大規模3DGS再構築におけるスケーラブルで再現可能なナビゲーション評価を可能にする。
関連論文リスト
- GLAM: Training a latent world model over global spatiotemporal memory for active exploration and navigation [2.887370275446209]
我々は、グローバルメモリ上でトレーニングされたゴール条件付き潜在世界モデルGLAMと、その周辺に構築された完全なナビゲーションシステムGLAM NAVを紹介する。
このモデルはJEPAのような潜伏予測パラダイムに従い、RGB再構成ではなくマップレベルの潜伏トークンを直接操作し、事前訓練されたウェイポイントエンコーダデコーダを使用してGLAM NAV内のナビゲーション計画の監視と復号を行う。
論文 参考訳（メタデータ） (2026-09-13T14:47:33Z) - LightNav-0: Eliciting VLM Spatial Intelligence for Generalist Embodied Navigation [52.91080323083409]
エージェントは異質な目標や視覚的な観察をタスク、環境、ロボットの体現物に翻訳する必要がある。
ここでは,タスク固有の予測ヘッドを使わずに,予め訓練されたVLMの空間的知性を取り入れた,コンパクトな一般化型ナビゲーションモデルLightNav-0を提案する。
論文 参考訳（メタデータ） (2026-08-31T15:08:53Z) - From Extraction to Navigation: Progressive Retrieval with Indirectly Infinite Depth [48.51564669100653]
我々は、ステートフルな自律グラフ探索として検索をモデル化するフレームワークIID-Navを提案する。
IID-Navは、厳格な遅延予算の下で、主流の検索ベースラインを超えることを示す。
論文 参考訳（メタデータ） (2026-06-29T08:47:17Z) - AUSLUN: A Fixed-Hover UAV--USV System for GNSS-Denied Maritime Search and Navigation [7.220023631779745]
グローバルナビゲーション衛星システム (GNSS) は、無人の地上機 (USV) が遠くの船を見つけ、グローバルに参照されるアプローチを維持するのを防ぐことができる。
本稿では,無人航空機(UAV)を長距離センシング・航法用アンカーとして利用する固定ホバー地上システムであるAUSLUNについて述べる。
その結果, 沿岸域における固定ホバーUAV支援の実現可能性と運用境界が確立された。
論文 参考訳（メタデータ） (2026-06-29T07:15:59Z) - Qwen-RobotNav Technical Report: A Scalable Navigation Model Designed for an Agentic Navigation System [96.69286664036143]
Qwen-RobotNavは、Qwen-RobotNav上に構築されたスケーラブルなナビゲーションモデルである。
156万のサンプルでQwen-RobotNavをトレーニングします。
Qwen-RobotNavは、主要なナビゲーションベンチマークにまたがって、最先端の結果を新たに設定する。
論文 参考訳（メタデータ） (2026-06-16T16:17:44Z) - GN0: Toward a Unified Paradigm for Generation, Evaluation, and Policy Learning in Visual-Language Navigation [44.636961177849145]
身体的ナビゲーションは知的エージェントと物理世界を結ぶ。
多様な3Dシーンをキュレートし、大規模ナビゲーションデータのための自動パイプラインを開発する。
対話型ローミングと衝突認識ナビゲーションをサポートする高忠実度シミュレーションプラットフォームを提案する。
論文 参考訳（メタデータ） (2026-06-02T14:05:47Z) - 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) - NavGSim: High-Fidelity Gaussian Splatting Simulator for Large-Scale Navigation [14.045751242776332]
NavGSimは、高忠実で大規模なナビゲーション環境を生成するために設計されたシミュレータである。
NavGSimは階層的な3Dガウス・スプレイティング・フレームワークを基盤として、数百平方メートルに及ぶ拡張的なシーンのレンダリングを可能にしている。
論文 参考訳（メタデータ） (2026-03-16T12:23:20Z) - 3DGSNav: Enhancing Vision-Language Model Reasoning for Object Navigation via Active 3D Gaussian Splatting [12.057873540714098]
3DGSNavは、3D Gaussian Splatting (3DGS)を視覚言語モデル(VLM)の永続メモリとして組み込んで空間推論を強化する新しいフレームワークである。
3DGSNavは環境の3DGS表現を段階的に構築し、フロンティア対応のファーストパーソンビューの軌跡誘導自由視点レンダリングを可能にする。
ナビゲーション中、リアルタイムオブジェクト検出器が潜在的なターゲットをフィルタリングし、VLM駆動のアクティブな視点スイッチングがターゲットを再検証する。
論文 参考訳（メタデータ） (2026-02-12T16:41:26Z) - Nav-$R^2$ Dual-Relation Reasoning for Generalizable Open-Vocabulary Object-Goal Navigation [67.68165784193556]
Nav-$R2$は、ターゲット環境モデリングと環境行動計画という2つのタイプの関係を明示的にモデル化するフレームワークである。
我々のSA-Memは、時間的・意味的両面から最も標的に関連し、現在の観測関連の特徴を保っている。
Nav-R2は、合理化され効率的なパイプラインを通して見えないオブジェクトをローカライズする、最先端のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2025-12-02T04:21:02Z) - 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) - GaussNav: Gaussian Splatting for Visual Navigation [92.13664084464514]
インスタンスイメージゴールナビゲーション(IIN)では、エージェントが探索されていない環境で、目標画像に描かれた特定のオブジェクトを見つける必要がある。
視覚ナビゲーションのためのガウススティング(GaussNav)であるIINの新しいフレームワークを提案し、3次元ガウススティング(DGS)に基づく新しい地図表現を構築した。
当社のGaussNavフレームワークは,Habitat-Matterport 3D(HM3D)データセットにおいて,SPL(Path Length)によるSuccessの重み付けを0.347から0.578に増加させ,大幅なパフォーマンス向上を実現している。
論文 参考訳（メタデータ） (2024-03-18T09:56:48Z)
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。