論文の概要: Dual-Layer Semantic-Spatial Belief Mapping for Aerial Object Goal Navigation

• arxiv url: http://arxiv.org/abs/2609.08164v1
• Date: Tue, 08 Sep 2026 02:47:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-10 19:44:08.557946
• Title: Dual-Layer Semantic-Spatial Belief Mapping for Aerial Object Goal Navigation
• Title（参考訳）: 空中目標ナビゲーションのための二重層意味空間的信念マッピング
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 42.980962327113495
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Aerial Object Goal Navigation (ObjectNav) requires an unmanned aerial vehicle (UAV) to locate a described target in an unknown outdoor environment using onboard visual observations. Vision-language models (VLMs) can interpret open-ended target descriptions and visual observations, but their frame-level outputs are often noisy, sparse, and spatially transient. We propose AeroBelief, a dual-layer semantic-spatial belief mapping framework that transforms transient VLM observations into persistent spatial guidance. It separates broad contextual plausibility from target-specific evidence: an intuition layer accumulates scene-level semantic cues for exploration, while an evidence layer preserves qualified target-specific observations for approach and confirmation. Evidence-gated fusion combines the two layers into spatial belief hotspots. We further introduce object-conditioned visual reasoning with conservative evidence qualification to improve observation reliability before spatial accumulation. In parallel, egocentric regional guidance converts quadtree coverage into UAV-centered, yaw-aligned directional proposals and stabilizes them through temporal commitment. Its regional scoring is independent of semantic belief values, maintaining exploration pressure and reducing repeated low-gain search. Experiments on the UAV-ON benchmark show that AeroBelief achieves the best reported overall SR, OSR, and SPL among the compared methods, reaching 21.61%, 35.57%, and 10.62, respectively. These results support the effectiveness of persistent semantic-spatial belief, conservative evidence qualification, and temporally stable regional guidance for aerial ObjectNav.
• Abstract（参考訳）: Aerial Object Goal Navigation (ObjectNav) は、無人航空機 (UAV) に、未知の屋外環境において、視界観測を用いて、記述された目標を特定することを要求する。 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。 直感層は、探索のためのシーンレベルのセマンティックキューを蓄積し、エビデンス層は、アプローチと確認のための適切なターゲット固有の観察を保存します。 エビデンス・ゲート融合(Evidence-gate fusion)は、2つの層を空間的信念ホットスポットに結合する。 さらに、空間蓄積前の観察信頼性を向上させるために、保守的証拠を有するオブジェクト条件付き視覚推論を導入する。 並行して、自我中心の地域ガイダンスは、クワッドツリーのカバレッジをUAV中心のヨーアラインな方向性の提案に変換し、時間的コミットメントを通じてそれらを安定化させる。 その地域スコアは意味的信念値とは独立であり、探索圧力を維持し、繰り返し低利得探索を減らす。 UAV-ONベンチマークの実験では、AeroBeliefはSR、OSR、SPLの合計で21.61%、35.57%、そして10.62に達した。 これらの結果は, 持続的意味空間的信念, 保守的証拠資格, 時間的安定な地域誘導の有効性を裏付けるものである。

関連論文リスト

• 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)
• Knowing the Self, Understanding the World: A Dual-Cognition Benchmark for UAV Spatio-temporal Reasoning with MLLMs [7.12453173642075]
  UAV-DualCogは、空中多視点時間推論のベンチマークである。 これには、自己状態推論と環境状態推論を共同で評価する、イメージタスクとビデオタスクの両方が含まれる。 シーンレベルのセマンティックポイントクラウドからデータを構築する自動パイプラインを開発する。
  論文  参考訳（メタデータ） (2026-07-17T17:59:56Z)
• Rethinking Embodied Navigation via Relational Inductive Bias [53.72276435022479]
  本稿では,DB-Navを提案する。 標的中心の関係を活性化バイアスと抑制バイアスに分類する。 成功率(SR)と成功率(SPL)はパス長さ(SPL)が重み付けされているため、既存の方法よりも著しく優れています。
  論文  参考訳（メタデータ） (2026-06-09T02:57:34Z)
• AgenticDiffusion: Agentic Diffusion-based Path Planning for Vision-Based UAV Navigation [2.186077977059593]
  屋内UAVナビゲーションは、視野の限られた観測下での効率的な探索、シーン理解、信頼性の高い軌道実行を必要とする。 本稿では,多視点UAVナビゲーションフレームワークであるAgenticDiffusionを提案する。 このフレームワークは、適応的な視点選択、多段階のミッション実行、長距離ナビゲーション、安全な着陸場所選択を含む4つの現実のUAVナビゲーションシナリオで検証された。
  論文  参考訳（メタデータ） (2026-06-02T18:18:35Z)
• Beyond Matching to Tiles: Bridging Unaligned Aerial and Satellite Views for Vision-Only UAV Navigation [51.286599397552756]
  本稿では,UAVの絶対位置と近距離からの進路を共同で予測する視覚駆動型クロスビューナビゲーション手法であるBering-UAVを提案する。 我々はまた、クロスビューのローカライゼーションとナビゲーションを評価するベンチマークである Bearing-UAV-90k も提示する。
  論文  参考訳（メタデータ） (2026-03-23T16:17:39Z)
• Seeing Where to Deploy: Metric RGB-Based Traversability Analysis for Aerial-to-Ground Hidden Space Inspection [48.120690574682875]
  本稿では,RGBを用いた幾何学的意味的再構成と,空中から地上への隠れ空間検査のためのトラベル可能性解析フレームワークを提案する。 テザリングされたUAV-UGVプラットフォームでの実験では、隠れた空間シナリオにおける信頼性の高いデプロイメントゾーンの識別が示されている。
  論文  参考訳（メタデータ） (2026-03-15T22:20:59Z)
• SOOD: Towards Semi-Supervised Oriented Object Detection [57.05141794402972]
  本稿では, 主流の擬似ラベリングフレームワーク上に構築された, SOOD と呼ばれる, 半教師付きオブジェクト指向物体検出モデルを提案する。 提案した2つの損失をトレーニングした場合,SOODはDOTA-v1.5ベンチマークの様々な設定下で,最先端のSSOD法を超越することを示した。
  論文  参考訳（メタデータ） (2023-04-10T11:10:42Z)

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。