論文の概要: CAVEAT: Recurrent Multimodal Diffusion Planning for Mapless Aerial Exploration

• arxiv url: http://arxiv.org/abs/2609.06623v1
• Date: Sun, 06 Sep 2026 14:14:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-10 19:44:08.285624
• Title: CAVEAT: Recurrent Multimodal Diffusion Planning for Mapless Aerial Exploration
• Title（参考訳）: CAVEAT:Mapless Aerial Explorationのための繰り返しマルチモーダル拡散計画
• Abstract要約: 本稿では,可視的,視覚的,ポーズ的特徴から更新されたリカレントな内部状態を条件としたCAVEATと,地図に基づくFUELv2の専門家による軌跡から訓練を行った。 転がり推論は連続した予測を部分的に温め、一時的局所符号距離場は障害物誘導を提供する。
• 参考スコア（独自算出の注目度）: 2.701983273985666
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Can exploratory UAV waypoint sequences be generated from multimodal onboard observations and a fixed-dimensional recurrent internal state without maintaining a persistent global map in the deployed policy? We investigate this question through CAVEAT, a diffusion policy conditioned on a recurrent internal state updated from fused LiDAR, visual, and pose features and trained from trajectories generated by the map-based FUELv2 expert. Rolling inference partially warm-starts consecutive predictions, while a temporary local signed distance field provides heuristic obstacle guidance. Simulation results evaluate both inference mechanisms and compare CAVEAT with its demonstration-generating expert. Proof-of-concept experiments on a Flyability Elios 3 demonstrate partial exploration of a previously unseen indoor environment and target-directed visual servoing using a separately trained policy.
• Abstract（参考訳）: 展開方針における持続的グローバルマップを維持せずに、マルチモーダルオンボード観測と固定次元リカレント内部状態から探索的UAVウェイポイントシーケンスを生成することができるか? そこで本課題は,可視的,視覚的,ポーズ的特徴から更新されたリカレント内部状態を条件とした拡散ポリシであるCAVEATを用いて検討し,地図に基づくFUELv2の専門家による軌跡から学習した。 ローリング推論は連続した予測を部分的にウォームスタートし、一時的局所符号距離場はヒューリスティックな障害物誘導を提供する。 シミュレーションの結果、推論機構とCAVEATを実証生成の専門家と比較した。 フライアビリティ・エリオス3のコンセプト実証実験では、未確認の屋内環境と目標指向の視覚サーボを、別々に訓練されたポリシーを用いて部分的に探索した。

関連論文リスト

• Dual-Layer Semantic-Spatial Belief Mapping for Aerial Object Goal Navigation [42.980962327113495]
  航空目標航法(Aerial Object Goal Navigation、ObjectNav)は、無人の航空機で、未知の屋外環境において記述された目標を見つける。 視覚言語モデル(VLM)は、オープンエンドの目標記述と視覚的観察を解釈できるが、フレームレベルの出力は、しばしばノイズが多く、スパースで、空間的に過渡的である。 本稿では,過渡的VLM観測を永続的空間誘導に変換する2層意味空間的信念マッピングフレームワークであるAeroBeliefを提案する。
  論文  参考訳（メタデータ） (2026-09-08T02:47:49Z)
• Map the Possibilities: Spatial Belief Fields for Language-Goal Aerial Navigation [49.03955946482723]
  SBFNavは、言語条件付き空間的信念場を中心としたクローズドループナビゲーションフレームワークである。 主に観測されたことを記録しているエゴ中心の地図とは異なり、SBFレポジトリ-はタスク条件付き分布を可視な目標位置上で再送する。 SBFNavは、制御のためのメットリックなウェイポイントとして、命令と観察に最も適したゴールを選択する。
  論文  参考訳（メタデータ） (2026-09-05T03:11:01Z)
• Path-level Hindsight Instructions for Semantic Exploration in Vision-Language Navigation [49.96273402030084]
  Phi-Navは、後見推論を利用してエージェントの実際の探索旅行と指示を整合させる統合型オン政治フレームワークである。 Phi-Navは、政治的方法に固有の重要な意味的監督のギャップを埋め、意味的にラベルのない動きを密集した訓練信号に変換する。
  論文  参考訳（メタデータ） (2026-07-02T06:11:07Z)
• Explore From Sketch: Accelerating UAV Exploration in Large-scale Environments with Prior Maps [20.559950853029]
  本稿では,LiDARをベースとしたUAV探査において,スパース,アンアライメント,さらには2次元事前地図の離散化を生かした新しい探索フレームワークを提案する。 ベンチマーク評価では、探査効率が34.2%向上し、飛行距離が37.9%減少した。
  論文  参考訳（メタデータ） (2026-06-10T06:30:29Z)
• Self-Supervised ConvLSTM for Fermi Large Area Telescope Transient Detection [29.577755639815027]
  本稿では,フェルミ・LAT空の終端シミュレーションと自己教師型深層学習を組み合わせることにより,制御環境における過渡ガンマ線現象を検出する枠組みを提案する。 我々は、gtobssimで10年間の合成ユニバースを生成し、シミュレーションされた事象を日次全天的な露出数マップに処理する。 時間的依存関係を学習しながら空間的局所性を保ちながら,シーケンスマップのシーケンスを直接操作するConvLSTMネットワークを採用している。
  論文  参考訳（メタデータ） (2026-05-21T07:45:54Z)
• Beyond Extrapolation: Knowledge Utilization Paradigm with Bidirectional Inspiration for Time Series Forecasting [81.44658512649633]
  KUP-BIは、エンファントレインのみの歴史図書館から継続スタイルの知識を抽出する新しい時系列モデリングパラダイムである。 最新モデルの予測性能を継続的に改善し、オーバーヘッドを小さくする。
  論文  参考訳（メタデータ） (2026-05-19T01:43:00Z)
• Flying by Inference: Active Inference World Models for Adaptive UAV Swarms [5.238520207250123]
  本稿では,UAVSwarm軌道計画のための専門家誘導型アクティブ推論型フレームワークを提案する。 オフラインフェーズでは、反発力衝突回避の遺伝的アルゴリズムプランナーが専門家によるデモンストレーションを生成し、ミッション、ルート、モーションディクショナリーに抽象化される。 これらの辞書は、専門家のミッションアロケーションがルートオーダを誘導する方法と、ルートオーダがモーションレベルの振る舞いを誘発する方法をキャプチャする確率論的世界モデルを学ぶために使用される。
  論文  参考訳（メタデータ） (2026-04-30T14:34:31Z)
• Entropy-Gradient Grounding: Training-Free Evidence Retrieval in Vision-Language Models [77.3748853516374]
  視覚言語モデルのための学習不要なモデル固有のグラウンドリング手法を提案する。 モデルの次トーケン分布のエントロピーを計算し、それを視覚トークン埋め込みにバックプロパタイズしてエントロピー勾配のレバレンスマップを得る。 次に、複数のコヒーレント領域を抽出・ランク付けし、マルチエビデンスクエリをサポートし、空間エントロピー停止規則付き反復的なズーム・アンド・リグラウンド手順を導入する。
  論文  参考訳（メタデータ） (2026-04-09T16:51:42Z)
• Referring-Aware Visuomotor Policy Learning for Closed-Loop Manipulation [91.20850436220267]
  Referring-Aware Visuomotor Policy(ReV)について紹介する。 ReVは、人間または高レベルの推論プランナーによって提供されるスパース参照ポイントを組み込む。 これは、専門家のデモンストレーションにターゲットの摂動を適用することでのみ訓練される。
  論文  参考訳（メタデータ） (2026-04-07T07:41:11Z)
• TRACE: A Self-Improving Framework for Robot Behavior Forecasting with Vision-Language Models [1.3408365072149797]
  反応剤の短期的挙動を予測することは、多くのロボットシナリオにおいて重要である。 本稿では,ツリー・オブ・ソート・ジェネレーションとドメイン・アウェア・フィードバックを結合した推論フレームワークTRACEを提案する。 我々は,地上車両シミュレーションと実世界海面車両の両面においてTRACEを検証した。
  論文  参考訳（メタデータ） (2025-03-02T06:58:02Z)
• OccNeRF: Advancing 3D Occupancy Prediction in LiDAR-Free Environments [77.0399450848749]
  本稿では,OccNeRF法を用いて,3次元監視なしで占有ネットワークを訓練する手法を提案する。 我々は、再構成された占有領域をパラメータ化し、サンプリング戦略を再編成し、カメラの無限知覚範囲に合わせる。 意味的占有予測のために,事前学習した開語彙2Dセグメンテーションモデルの出力をフィルタリングし,プロンプトを洗練するためのいくつかの戦略を設計する。
  論文  参考訳（メタデータ） (2023-12-14T18:58:52Z)

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。