論文の概要: OVMAN: A Task and Benchmark for Open-Vocabulary Motion-Aware Navigation
- arxiv url: http://arxiv.org/abs/2609.06424v2
- Date: Sun, 13 Sep 2026 06:50:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 07:15:04.428365
- Title: OVMAN: A Task and Benchmark for Open-Vocabulary Motion-Aware Navigation
- Title（参考訳）: OVMAN:オープン語彙運動認識ナビゲーションのためのタスクとベンチマーク
- Abstract要約: OVMANは、エージェントがシーンをツアーし、スクリプト化された変更の後に戻り、変更自体によって指定されたゴールにナビゲートする必要があるタスクである。
われわれは219エピソードを公開し、それぞれが3回完成するオラクルエージェントによって解決可能であることを証明した。
ゼロショットのオブジェクトゴールナビゲータは12.3%のエピソードで変更対象に到達し、ほとんど空き地に到達せず、前者は0.026、削除時は0.050である。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Homes change between a robot's visits. Navigation benchmarks pose their goals in the world the agent currently sees, and the two-visit benchmarks that exist score recall or rearrangement rather than navigation. None of them can express go to the chair that was moved or go to where the vase used to be. OVMAN is a task in which an agent tours a scene, returns after a scripted change, and must navigate to a goal specified by the change itself. Two of its six change relations answer with a place an object has left, where nothing remains to be detected. We release 219 two-visit episodes, each certified solvable by an oracle agent that completes it three times. Two released systems fail as predicted. A zero-shot object-goal navigator reaches the change-defined target in 12.3% of episodes and almost never reaches a vacated location, 0.026 on former and 0.050 on removed. When a self-maintaining open-vocabulary map is read as two visits rather than as one maintained map, overall success rises (0.396 to 0.479 on our mapping) but the past-position relations specifically do not recover, on our maps or on a released self-maintaining one; keeping a map current is therefore not the whole obstacle. A simple two-visit reference agent reaches 45.2% when navigating, against an embodied oracle of 99.5%. An error decomposition places the remaining difficulty in carrying an instance identity across visits rather than in naming it or in selecting the answer once positions are known.
- Abstract（参考訳）: 家庭はロボットの訪問によって変化する。
ナビゲーションベンチマークは、現在エージェントが見ている世界で、ナビゲーションよりもスコアリコールやアレンジメントを含む2つのビジットベンチマークを目標としている。
いずれも、移動した椅子や、花瓶のあった場所に行くことはできない。
OVMANは、エージェントがシーンをツアーし、スクリプト化された変更の後に戻り、変更自体によって指定されたゴールにナビゲートする必要があるタスクである。
6つの変更関係のうち2つは、物体が残された場所と答え、そこでは何も検出されない。
われわれは219エピソードを公開し、それぞれが3回完成するオラクルエージェントによって解決可能であることを証明した。
2つのリリースシステムは予測通りに失敗する。
ゼロショットのオブジェクトゴールナビゲータは12.3%のエピソードで変更対象に到達し、ほとんど空き地に到達せず、前者は0.026、削除時は0.050である。
自己維持的開語彙写像を1つの維持的写像ではなく2つの訪問として読むと、全体の成功(地図では0.396から0.479)が上昇するが、過去の配置関係は特に、我々の地図やリリースされた自己維持的マップでは回復しない。
単純な2ビジット参照剤は、99.5%の具体化されたオラクルに対して、ナビゲート時に45.2%に達する。
エラー分解は、名前を付けることや、一度位置が分かっていれば答えを選択することよりも、訪問中にインスタンスIDを運ぶことの難しさを補う。
関連論文リスト
- NavPatch: Evidence-Guided Object-Level Costmap Correction with Vision-Language Models [6.1440916891645285]
私たちは、ADD、REMOVE、EXTENDを関連オブジェクトカテゴリのナビゲーションに割り当てるオブジェクトレベルの補正層であるNavPatchを紹介します。
Open vocabulary Groundingはオブジェクトインスタンスをローカライズし、LiDARとRGB-D観測は3Dサポートを提供する。
論文 参考訳（メタデータ） (2026-09-13T14:30:55Z) - Hierarchical Fast-Slow ReAct Agent for Zero-Shot Object-Goal Navigation [3.8281938955545587]
ゼロショットのオブジェクトゴールナビゲーションでは、ロボットが入力したことのない建物の中で名前の付いたオブジェクトカテゴリーを見つける必要がある。
我々は、ロボットがすでに見たものを熟考の対象にするシステムを開発した。
我々のシステムは、HM3D v1 val valで68.75%、MP3Dで47.29%に達する。
論文 参考訳（メタデータ） (2026-08-10T16:34:26Z) - Trajectories That Segment Themselves: Agent-Declared Boundaries as a Training Unit [0.0]
本稿では, 宣言的契約により, エージェントが自身の境界を公開し, 軌跡が生成される, 集合時間意味的自己分離を提案する。
エージェントはその推測を名付けるので、レビュアーは名前で無効にすることができます。
次に、宣言を削除して生き残るものについて尋ねる。カットポイントが仮説ではなく、モデルが行動ブロックを2倍の確率で支配仮説に属性付けする。
コードブラインドアノテータは、ランダム配置が11.5と一致し、機械的なテストを行う。
論文 参考訳（メタデータ） (2026-08-03T14:27:58Z) - SSTG-Nav: Metric-Grounded Spatial-Semantic Topological Graphs for Reusable Object Navigation [2.272547247667044]
SSTG-Navは再利用可能なメートル法セマンティックメモリで、1回のサーベイを実行可能なオブジェクトゴールに変換する。
36シーンにわたる1000のHM3D-v2エピソードにおいて、私たちのゴールに依存しないトポロジーは99.4%の幾何学的成功天井を達成した。
論文 参考訳（メタデータ） (2026-08-01T08:40:04Z) - Uni-LaViRA: Language-Vision-Robot Actions Translation for Unified Embodied Navigation [60.07205156194741]
身体的なナビゲーションでは、エージェントが言語や視覚的な観察を、実際に見たことのない環境を通して実際のロボットを駆動する空間的な行動の流れにマッピングする必要がある。
統合エージェントアーキテクチャであるUni-LaViRAを4つのタスクファミリと4つの異種実ロボットに拡張する。
論文 参考訳（メタデータ） (2026-05-26T18:52:04Z) - IntentionNav: A Benchmark for Intent-Driven Object Navigation from Implicit Human Instruction [17.341498923142595]
IntentionNavは、暗黙の人間の指示からアクティブなオブジェクト検索を行うための診断ベンチマークである。
IntentionNavには、176のIsaac Simシーンと64のターゲットカテゴリに500の意図がある。
モデルは48.3%のエピソードで目標を特定し、68.7%で2m地区に入るが、わずか24.9%で終了し、5.5%で1mの成功を達成した。
論文 参考訳（メタデータ） (2026-05-22T03:09:55Z) - ARGOS: Who, Where, and When in Agentic Multi-Camera Person Search [49.61286310968402]
我々は,対話型推論問題として,マルチカメラの人物探索を再構成する最初のベンチマークとフレームワークであるARGOSを紹介する。
ARGOSエージェントはあいまいな目撃声明を受け取り、何を尋ねるか、いつ空間的または時間的ツールを呼び出すか、不明瞭な応答をどう解釈するかを判断しなければならない。
このベンチマークは、意味的知覚(Who)、空間的推論(Where)、時間的推論(When)の3つのプログレッシブトラックにおいて、14の現実世界シナリオにまたがる2,691のタスクからなる。
論文 参考訳（メタデータ） (2026-04-14T14:06:19Z) - OpenObject-NAV: Open-Vocabulary Object-Oriented Navigation Based on Dynamic Carrier-Relationship Scene Graph [10.475404599532157]
本稿では、頻繁に使用されるオブジェクトと静的キャリアの関係をキャプチャする。
本稿では,ナビゲーションプロセスをマルコフ決定プロセスとしてモデル化するインスタンスナビゲーション戦略を提案する。
その結果,CRSGを更新することで,移動目標への移動を効率的に行うことができることがわかった。
論文 参考訳（メタデータ） (2024-09-27T13:33:52Z) - Instance-aware Exploration-Verification-Exploitation for Instance ImageGoal Navigation [88.84058353659107]
インスタンスイメージゴールナビゲーション(IIN)は、探索されていない環境でゴールイメージによって表現された指定されたオブジェクトにナビゲートすることを目的としている。
本稿では、インスタンスレベルの画像目標ナビゲーションのための新しいモジュール型ナビゲーションフレームワーク、Exploration-Verification-Exploitation (IEVE)を提案する。
我々の手法は従来の最先端の手法を超越し、古典的セグメンテーションモデル(0.684対0.561成功)またはロバストモデル(0.702対0.561成功)を用いる。
論文 参考訳（メタデータ） (2024-02-25T07:59:10Z) - Emergence of Maps in the Memories of Blind Navigation Agents [68.41901534985575]
動物ナビゲーション研究は、生物が環境の空間的表現(地図)を構築、維持する、という仮説を定めている。
私たちはマシン、具体的には人工知能(AI)ナビゲーションエージェントが、暗黙の(あるいは「メンタル」な)マップを構築しているかどうか尋ねる。
動物ナビゲーションとは異なり、エージェントの知覚システムを司法的に設計し、学習パラダイムを制御して代替ナビゲーション機構を無効化することができる。
論文 参考訳（メタデータ） (2023-01-30T20:09:39Z) - Explore before Moving: A Feasible Path Estimation and Memory Recalling
Framework for Embodied Navigation [117.26891277593205]
ナビゲーションに焦点をあて,経験や常識に欠ける既存のナビゲーションアルゴリズムの問題を解決する。
移動前に2回思考する能力に触発されて、不慣れな場面で目標を追求する実現可能な経路を考案し、パス推定とメモリリコールフレームワークと呼ばれる経路計画手法を提案する。
EmbodiedQAナビゲーションタスクにおけるPEMRの強力な実験結果を示す。
論文 参考訳（メタデータ） (2021-10-16T13:30:55Z) - Pushing it out of the Way: Interactive Visual Navigation [62.296686176988125]
エージェントが目標に合わせてより効率的にナビゲートするために環境を変更することを学ぶインタラクティブナビゲーションの問題を研究します。
エージェントの行動によって引き起こされる環境の変化を明示的に予測するために,neural interaction engine(nie)を導入する。
計画中の変更をモデル化することで、エージェントがナビゲーション能力を大幅に改善できることが分かりました。
論文 参考訳（メタデータ） (2021-04-28T22:46:41Z)
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。